Marmoris Memoriae. Photographies réalisées à l’atelier des moulages des Musées royaux d’art et d’histoire de Bruxelles
Bibliographic record
Abstract
À l’instar des peintres, les premiers photographes prirent pour modèles des moulages en plâtre d’œuvres antiques. Les galeries de moulages des grands musées constituaient le principal moyen pour se familiariser avec la sculpture classique. Avec le développement du tourisme culturel et les progrès de la photographie et de l’édition, les copies furent délaissées, sacrifiées au culte de l’original. Les galeries de moulages se vidèrent alors pour finalement souvent disparaître, entraînant avec elles bien des ateliers. Aujourd’hui que renaît un fort intérêt pour ce maillon de l’histoire de notre patrimoine que sont les moulages, c’est dans l’atelier des Musées royaux d’art et d’histoire que Martin Declève eut l’idée de poser son appareil pour photographier non plus des moulages, mais leurs moules, avec l’intuition qu’en coulant dans ceux-ci bien moins que du plâtre, simplement de la lumière, on obtiendrait des images que seule la photographie peut nous donner à voir. Par le jeu des creux et des reliefs, dans lequel notre œil, trop prompt à recréer ce à quoi il est habitué, se perd, il nous semble parfois qu’un illustre visage s’élève…
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 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.057 | 0.013 |
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".