Caste Confusion and Census Enumeration in Colonial India, 1871–1921
Bibliographic record
Abstract
Les recensements coloniaux de l’Inde étaient de colossales tentatives visant à dénombrer les castes en fonction d’une taxonomie hybride amalgamant les connaissances locales aux préconceptions et aux idées fausses venues d’Europe. À partir de 1871, les administrateurs de la colonie résolurent de catégoriser et de compter les castes indiennes, mais ils éprouvèrent de nombreuses difficultés à les classifier, à les dénombrer et à compiler les données à leur sujet. Durant les années 1890, on commença à faire le recensement administratif de l’Inde coloniale en empruntant des outils anthropométriques et ethnologiques à l’anthropologie « scientifique ». L’introduction de ces mesures dans le bulletin de recensement et leur emploi durant le dénombrement donnèrent à la notion de caste une connotation biologique et raciale. Pourtant, cette vision biologique de la caste ne s’est jamais véritablement imposée et fut contestée par les administrateurs coloniaux et les activistes politiques indiens qui ne croyaient pas à l’anthropométrie. En exposant en détail les complications de recenser l’Inde coloniale, les auteurs montrent que les problèmes épistémologiques entourant la façon d’envisager et de dénombrer les castes étaient la règle plutôt que l’exception.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.008 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".