Bibliographic record
Abstract
Historien Ministère de la Défense nationale du CanadaL'un des problèmes les plus difficiles que l'historien doit résoudre est celui des motivations profondes des acteurs historiques, ce surtout lorsque ceux-ci sont plus ou moins anonymes.Les progrès de la discipline depuis environ un siècle, les opportunités ouvertes et les défis posés par la rencontre avec les autres disciplines, la qualité des sources primaires maintenant accessibles, font qu'il est aujourd'hui possible de toucher du doigt la solution du problème, voire quelquefois d'entrer, pour ainsi dire, dans la tête des gens les plus ordinaires.Le problème n'est pas nouveau.D'une certaine manière, Thucydide, Plutarque, Polybe et d'autres historiens depuis l'Antiquité ont trouvé une solution.Mais bien entendu, tous les Périclès et Alexandre de leurs mondes étaient des personnages de premier plan.Le reste de l'humanité demeurait à l'arrière-plan : paysans, soldats, femmes.Les masses.La discipline a changé.Nous ne sommes plus au temps où les ressorts politiques, économiques, sociaux et culturels étaient mal connus et devaient, génération de chercheurs après génération, être d'abord tracés à gros traits avant que d'être finement dessinés, puis décortiqués.Nous n'en sommes plus, pour prendre des exemples connus de tous, à expliquer la Terreur de 1793 par la seule crainte d'un retour vengeur des émigrés, ou à définir le capitalisme par l'appropriation des biens de production par la bourgeoisie, ou l'oppression des femmes par le paternalisme occidental, ou le nazisme par l'antisémitisme et l'autoritarisme innés des Allemands.Les sociétés même petites sont trop complexes pour être expliquées de façon aussi simpliste.Les concepts érigés en lois de l'histoire ont déçu, et dans une moindre mesure l'effort statistique, sériel aussi.Les anonymes
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 | 0.003 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.017 |
| Scholarly communication | 0.008 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.019 | 0.004 |
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".