Bibliographic record
Abstract
essentiellement inexploré.En outre, il n'appartient pas encore aux États-Unis.Ceci n'arrête ni le Congrès ni Jefferson, dont les principes démocratiques exigent pourtant le consensus de la population d'un territoire pour l'inclure dans l'Union.De toute évidence, l'Amérique est une tabula rasa, un « désert » destiné tout entier à une expansion qui n'a encore rien d'une évidence.Cette tabula rasa politique est aussi traitée comme un espace abstrait, sans particularités climatiques ou géographiques.La Land Ordinance la découpe uniformément et arbitrairement selon un damier de townships carrés et contigus de 6 milles de côté, eux-mêmes divisés en 36 sections carrées égales d'un mille de côté.Jefferson connaissait-il la législation urbaine des Ordenanzas de 1573?C'est tout à fait possible, mais au-delà d'une ressemblance géométrique superficielle et du désir commun d'ordonner le chaos, les différences sont importantes.En 1800, il écrit: «Je considère les grandes villes comme pestilentielles pour la moralité, la santé et les libertés de l'homme.Certes, elles nourrissent quelques arts élégants, mais les arts utiles peuvent fleurir ailleurs et je préférerais, pour ma part, une moindre perfection dans les arts jointe à plus de santé, de vertu et de liberté 3 .» Les Ordenanzas projettent une colonisation urbaine, une civilisation méditerranéenne.Elles n'ont rien contre les « grandes villes » qui en sont les pivots.L'homogénéité du damier urbain permet et prévoit une expansion qui s'est fréquemment réalisée.Ses rédacteurs « voient » une ville espagnole concrète, avec ses rues, ses places, ses maisons, ses piétons et ses cavaliers, ses marchés et ses fêtes... Jefferson connaît bien les grandes villes.Il a séjourné à Paris, à Londres.De la première, il apprécie les « arts élégants », de la seconde, rien.Jefferson, il est vrai, n'est pas très objectif à l'égard de sa métropole coloniale.Dans l'opposition qui se creuse entre la France physiocrate
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.006 | 0.006 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.028 | 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".