Bibliographic record
Abstract
L’histoire du risque que propose ce livre déborde largement les notions de statistique, de calcul probabilitaire et de traitement assurantiel des dangers. Si, en effet, le risque a une histoire, le risque est aussi histoire, car il concerne le rapport des sociétés au temps. Tout rapport au risque tente, à partir de l’expérience passée, de saisir un avenir probable pour agir dans le présent. Chaque contexte, chaque époque, chaque territoire, chaque communauté appréhende les dangers selon ses ressources culturelles d’une part, et selon les enjeux politiques, sociaux et économiques qui la traversent d’autre part. Le risque est un fait de culture, reflétant la façon dont la société se représente elle-même, envisage les phénomènes qui la menacent et définit l’altérité qui la borne. Des historiens de tous horizons ont recours, dans ces pages, au concept de risque pour comprendre le passé, pour examiner leur objet de recherche sous un angle différent, qu’il s’agisse d’histoire des sciences et techniques ou du droit, ou d’histoire environnementale, sociale ou politique. Cette démarche commune dévoile des convergences insoupçonnées et permet aux auteurs de renouer avec un problème d’une intelligibilité historique globale, problème crucial qui a pourtant été abandonné par la très grande majorité des historiens au cours des dernières décennies.
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 | 0.006 | 0.017 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.004 | 0.003 |
| Science and technology studies | 0.004 | 0.025 |
| Scholarly communication | 0.011 | 0.012 |
| Open science | 0.003 | 0.004 |
| Research integrity | 0.005 | 0.011 |
| Insufficient payload (model declined to judge) | 0.020 | 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".