Bibliographic record
Abstract
Pendant les premières décennies du XVIIe siècle, Antonio Foscarini servit Venise dans des fonctions distinguées, en tant que sénateur et qu’ambassadeur aux cours des rois Henri IV et James I. En 1622, le Conseil des Dix le trouva coupable de trahison, alléguant qu’il avait divulgué des secrets d’état à l’Espagne, et il fut exécuté. Dix mois plus tard, le Conseil l’exonéra entièrement et agit d’une manière sans précédent en proclamant son erreur dans les cours européennes. Cette action fut caractérisée par des historiens et d’autres comme courageuse, noble et juste. L’affaire Foscarini devint une légende vénitienne, renforçant le mythe positif de Venise qui fut utilisé comme modèle par les républicains. Plusieurs questions sont adressées dans cet article: pourquoi l’Espagne a été visée dans l’attaque contre Foscarini, pourquoi les changements d’appartenance au Conseil n’ont pas été examinés par les partisans d’une gouvernement républicain et comment le mythe de l’excellence de la constitution vénitienne a pu être maintenu à travers l’affaire Foscarini.
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 | 0.018 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
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".