Bibliographic record
Abstract
La notion de trilitéralité des racines, fortement inspirée par la tradition arabe, a demandé une grande créativité pour être mise en œuvre dans la grammaire hébraïque. Judah Ḥayyuj (Fez, 950 – Cordoue, ca 1000) fit œuvre de pionnier en analysant le comportement des consonnes faibles qui peuvent ne pas être visibles dans certaines formes verbales tout en restant présentes dans la forme théorique de base. Ses travaux ont été poursuivis par Jonah ibn Janaḥ (Cordoue, ca 985/990 – ca 1050) dont les ouvrages, adaptés ou traduits en hébreu, ont permis la diffusion des doctrines grammaticales de l’hébreu en Europe chrétienne et l’adoption définitive de la théorie des racines trilitères. Les dictionnaires des racines sur le modèle du Kitāb al-uṣūl d’Ibn Janaḥ, outil commode pour classer le lexique biblique, devinrent populaires en Provence médiévale. Il restait cependant une difficulté majeure, à savoir les manières d’identifier la racine d’une forme nominale ou verbale complexe. Profiat Duran (Perpignan, < 1360 – ca 1414) fut le premier auteur à insérer dans sa grammaire, le Maʿaseh efod, un chapitre décrivant les différentes méthodes permettant l’identification des racines. Ce passage, adapté ou résumé, fut fréquemment repris par les humanistes chrétiens dans leurs ouvrages linguistiques, et ce jusqu’au xixe 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 | 0.001 | 0.003 |
| 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 | 0.007 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 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".