The political implementation of ideas: For a social history of ideas in a partisan environment
Bibliographic record
Abstract
Cet article est une introduction du dossier thématique consacrée à la mise en politique des idées, c’est-à-dire les processus par lesquels celles-ci sont produites, circulent et/ou sont appropriées en milieu partisan. Au-delà de la présentation des différentes contributions, il s’agit de montrer ce que l’histoire sociale des idées politiques peut apporter à la compréhension de la place, de la valeur et des usages des idées au sein ou aux marges des partis politiques dans la période contemporaine. S’attachant à l’étude de littératures intellectuelles mineures, elle prend au sérieux les idées politiques en montrant qu’elles sont aussi des pratiques qu’il convient d’analyse selon une méthodologie propre. Cherchant à tenir ensemble propriétés sociales des acteurs, logiques immanentes aux espaces sociaux et prise en compte de l’historicité, elle consiste en une entreprise de contextualisation des idées politiques qui rompt avec les continuités irréfléchies au cœur de l’histoire des idées classiques que sont l’auteur, l’œuvre, l’influence ou la tradition. Soucieuse enfin de saisir les usages qu’en font les acteurs, elle contribue à ouvrir la boîte noire de la production et de l’appropriation des idées partisanes.
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 | 0.007 | 0.011 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.008 | 0.042 |
| Scholarly communication | 0.013 | 0.016 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.008 | 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".