Bibliographic record
Abstract
Il est maintenant reconnu que plusieurs facteurs influencent grandement les efforts de théorisation en anthropologie. Il nous est apparu que le terrain est une pièce centrale de ce casse-tête. C’est ce que nous démontrons dans cet article à l’aide d’une analyse des thèses développées par cinq auteurs de réputation internationale, Arjun Appadurai, Jonathan Friedman, Ulf Hannerz, Michael Herzfeld et Éric Schwimmer. Nous faisons valoir que ces anthropologues ont des notions d’« identité » et de « mondialisation », des conceptions différentes et parfois opposées; conceptions qui, pour l’essentiel, renvoient à leur objet de recherche et à leur façon de l’analyser. Telle est la conclusion à laquelle nous sommes arrivée à la suite d’une comparaison systématique des idées présentées par ces auteurs depuis 1989, l’année 1989 étant reconnue comme une période charnière sur la scène mondiale. Aussi importe-t-il, pour bien comprendre les propos des anthropologues sur ces thèmes comme sur d’autres, de bien décoder au préalable la façon dont ils construisent la réalité.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.002 | 0.005 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.335 | 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; both teacher heads agree on what is shown here.
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".