Bibliographic record
Abstract
Les 30 dernières années de recherches sur la nostalgie, en marketing d’abord et en psychologie ensuite, ont considérablement fait avancer les connaissances sur cette émotion fascinante qui se trouve au coeur de nos vies personnelles, et dorénavant de notre vie collective. Cependant, cinq éléments se doivent encore d’être éclaircis : la nature même de la nostalgie comme émotion liée à un passé heureux et non comme préférence pour les choses du passé; la différence entre l’ancienneté perçue d’un objet et la nostalgie éventuelle d’un individu pour l’objet ancien; la distinction entre la propension à la nostalgie et la croyance au déclin; la distinction entre les dimensions spécifique et globale de la croyance au déclin; ainsi que le lien entre l’âge et la nostalgie. Cet article propose des raffinements et des changements conceptuels sur les quatre premiers éléments, grâce à des arguments théoriques et deux études quantitatives, ainsi que l’examen du lien entre l’âge et la nostalgie. Avant cela, nous offrons un résumé survolant plus de 300 ans d’histoire du concept de nostalgie. Les résultats de cette recherche nous amènent à conclure que l’expression « la nostalgie n’est plus ce qu’elle était » n’est pas un simple aphorisme, mais qu’elle décrit la réalité de ce concept au 21e siècle.
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 | 0.005 | 0.014 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.257 | 0.202 |
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".