Bibliographic record
Abstract
Depuis bientôt dix ans les historiens de l’art entretiennent une polémique au sujet de la fresque dite « Guidoriccio da Folgiano » et une fresque du trecento récemment découverte dans le Palazzo Pubblico de Sienne. La littérature en est maintenant vaste, et pourtant les savants ne sont toujours pas d’accord. Voire, la situation actuelle paraît à de nombreux lecteurs plus confuse que jamais. Dans cet article on suggère que la raison de cette situation peu satisfaisante est qu’il reste à résoudre des questions de fait fondamentales. Certains problèmes découlent d’un manque de consensus quant aux dates et à la fiabilité des sources secondaires anciennes. D’autres problèmes découlent d’un examen inadéquat de l’évidence documentaire. D’autres encore proviennent des contradictions dans les rapports techniques et des discussions peu concluantes sur l’iconographie et la science héraldique. En faisant ressortir les problèmes, les témoignages et l’évidence contradictoires, l’auteur cherche à montrer qu’on ne résoudra point ce problème avant d’avoir confronté un certain nombre de questions de base. D’ailleurs, pour qu’on parvienne à accumuler les faits fondamentalement nécessaires à sa solution, il faudra sans doute compter sur les efforts coopératifs des savants de diverses disciplines.
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 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.021 | 0.034 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.006 | 0.009 |
| 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".