Bibliographic record
Abstract
Cet article cherche à identifier les facteurs qui régissent la réception scientifique de textes anciens et s’intéresse à ce qui peut expliquer l’abondance et l’absence d’études sur ces derniers. Cette enquête fut menée en étudiant de plus près la réception scientifique de cinquante textes contenus dans divers manuscrits à caractère « gnostique ». Des dix textes qui ont généré le plus et le moins de publications, une typologie fut dégagée. Il appert que, pour les textes les plus étudiés, les quatre facteurs les plus importants sont un contenu original, une datation ancienne, la figure à laquelle le texte peut être associé et une appartenance au genre « évangile ». Enfin, les dix textes les moins étudiés le sont en raison de facteurs matériel et herméneutique, s’ils sont déjà bien connus et s’ils sont tardifs. Cette analyse nous permet de mieux apprécier le rôle du chercheur spécialiste dans l’espace public contemporain. Les chercheurs, qui font partie d’une communauté interprétative au même titre que les médias ou le public non spécialiste, jouent un double rôle. Non seulement appartiennent-ils à une communauté interprétative qui relit les textes anciens avec un filtre qui leur est propre, mais ils sont aussi ceux qui rendent possible l’accès à ces textes aux deux autres éléments dont se compose l’espace public. Les chercheurs font donc partie d’un tout dont ils ne sauraient s’extraire.
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 | 0.007 | 0.023 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.005 | 0.005 |
| Science and technology studies | 0.008 | 0.008 |
| Scholarly communication | 0.013 | 0.009 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.018 | 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".