Bibliographic record
Abstract
L’histoire de l’opposition militaire rencontre l’obstacle majeur de la fiabilité des sources. La rareté des sources directes amène à s’en remettre aux archives policières, ou à des reconstructions littéraires, comme celle de Charles Nodier. Aussi nombre d’historiens préfèrent-ils ne voir là que « roman conspiratif », ce qui, à notre avis, est une facilité d’écriture valorisant à l'excès la positivité du témoignage direct.Pour rouvrir le chantier, nous proposons de partir d’études de cas individuels et, pour ce faire, de prendre ici en exemple le séjour du général Argoud à l’île d’Oléron en 1802. En croisant les rapports des autorités administratives, les sources policières, le dossier personnel du général, et ceux des autres relégués militaires de la période sur l’île, nous obtenons le portrait d’un anti-notable, dont les traits se dessinent en négatif par rapport à l’image sociale que le régime bonapartiste souhaite modeler pour l’officier supérieur.Ce portrait, que l’on peut rapprocher de celui d’autres opposants militaires, soulève toutefois d’autres questions, et d’abord celle de la nature du régime à laquelle se trouve confrontée cette opposition.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.014 |
| Scholarly communication | 0.008 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.009 | 0.002 |
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".