Bibliographic record
Abstract
On assiste, depuis la deuxième moitié du vingtième siècle, à une accumulation étonnante de tentatives d’épuisement, qui témoigne de la très grande force symbolique de cette démarche. On y voit une véritable poétique, une façon d’aborder le réel et ses objets en tentant d’en épuiser le sens, la forme ou le matériau même. Ces tentatives d’épuisement ne sont pas nécessairement liées à des dispositifs numériques, mais elles prennent place aisément dans une culture de l’écran, puisque le numérique en surdétermine le principe, en multipliant de façon presque exponentielle les possibilités de réussite. L’idée même d’une tentative d’épuisement d’un lieu est apparue, en 1974, quand Georges Perec s’est installé place Saint-Sulpice à Paris et a entrepris de dresser la liste de tout ce qu’il voyait, les passants, les oiseaux, les camions, autos et autocars, les clients des cafés, les variations de température, tout ce qui pouvait être noté, les faits usuels de la vie quotidienne. Nourries par le numérique qui en exacerbe les principes et en surdétermine les possibilités de réalisation, les tentatives d’épuisement se déploient maintenant de façon tentaculaire. Elles ne touchent pas seulement le lieu, mais s’étendent aux autres données de l’agir humain : au temps, aux événements et aux situations, à des objets, des corps, des données, etc. On peut identifier d’emblée neuf types de tentatives, types qui balisent les multiples formes de l’agir humain. Dans le cadre de cet article, on entend expliciter le principe de ces tentatives d’épuisement et donner des exemples des divers types, en portant une attention particulière aux tentatives d’épuisement d’un lieu, qui donnent à la série son identité.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.011 | 0.007 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.006 |
| Insufficient payload (model declined to judge) | 0.026 | 0.007 |
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".