L’objectivité dans les sciences historiques : entre mythe, exigence et idéal
Bibliographic record
Abstract
La présente analyse vise premièrement à comprendre quand, pourquoi et comment une exigence comme l’objectivité a-t-elle pu, à un moment bien précis de notre histoire, émerger, se développer et s’imposer finalement, avec sa signification actuelle, en tant qu’idéal régulateur et norme de la pratique scientifique. Elle vise, deuxièmement, à comprendre également ce qu’il en est de nos jours de cet idéal dans les sciences historiques et sociales. Dans cet objectif, après une brève introduction, (I) nous commencerons par faire une généalogie de l’objectivité, de Thucydide jusqu’au XXe siècle. (II) Par la suite, nous procéderons à une mise en perspective de la problématique de l’objectivité dans les sciences historiques et culturelles, et nous donnerons un aperçu des transformations que subira cet idéal aux XIXe et XXe siècles (le triomphe du paradigme de l’objectivité scientifique). (III) Ensuite, nous construirons une archéologie de l’objectivité, afin de rendre compte de la manière dont notre notion moderne d’objectivité, apparaissant tardivement au XVIIIe siècle, finira par s’imposer dans les sciences. (IV) Puis, nous proposerons une réflexion critique sur les développements actuels des sciences et le rôle qu’y peut encore (ou non) jouer la notion classique d’objectivité. Enfin, nous présenterons nos conclusions.
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 | 0.013 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.005 | 0.052 |
| Scholarly communication | 0.017 | 0.013 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.004 | 0.007 |
| 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".