De la meilleure façon de constituer une collection. Le cas des émaux « byzantins » de Mikhaïl Botkine
Bibliographic record
Abstract
La collection d’émaux prétendument « byzantins » de Mikhaïl Petrovitch Botkine (1839-1914) représente un cas remarquable de l’histoire du collectionnisme, particulièrement si l’on s’intéresse à la motivation du collectionneur. Les types d’objets rassemblés par M. Botkine ont changé au gré de ses déplacements et de la mode : il a successivement collecté des œuvres du peintre A. Ivanov, des objets européens du Moyen Âge et de la Renaissance, puis de l’art russe ancien. Les méthodes d’acquisition de M. Botkine, dépourvu de tout scrupule, sont proverbiales de son vivant. Le noyau de sa collection, composé de cent soixante et onze émaux cloisonnés sur or, dont la plupart proviendrait de Géorgie, a été rassemblé en vingt-cinq ans environ, sans qu’aucun voyage de M. Botkine dans le Caucase ne soit connu. Dès la publication du catalogue de cet ensemble en 1911, des doutes concernant l’authenticité de ces pièces sont exprimés : est-il possible de rassembler une telle quantité d’objets rarissimes en une période si courte ? Une enquête minutieuse menée par le dessinateur de la maison Fabergé, François Birbaum, a permis de découvrir en 1914 l’atelier clandestin qui a fabriqué la plupart des émaux de la collection de Mikhaïl Botkine. Les motivations d’un collectionneur pour constituer, apparemment en pleine connaissance de cause, une collection de faux peuvent être multiples : le contrôle de la quantité et de la qualité des pièces qu’il rassemblait, la maîtrise de la concurrence et l’élimination des soucis rencontrés habituellement : la rareté et la provenance incertaine des objets.
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 | 0.005 | 0.005 |
| Scholarly communication | 0.004 | 0.004 |
| Open science | 0.000 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.017 | 0.005 |
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".