Une brève histoire de la politique de valorisation du patrimoine industriel en Belgique
Bibliographic record
Abstract
La Belgique ayant été le premier pays de l’Europe après l’Angleterre à connaître une industrialisation massive, il n’est pas étonnant d’y trouver aujourd’hui un patrimoine industriel d’une grande densité et d’une riche diversité. L’étude scientifique de ce patrimoine commence au début des années 1970, en particulier avec l’importante exposition « Le Règne de la Machine », organisée à Bruxelles en 1975. Mais la régionalisation des compétences culturelles (notamment), lancée dans les années 1980, ne facilite pas la sauvegarde de ce patrimoine et les projets de grande envergure. Pourtant, il importe de souligner l’importance croissante de certains musées industriels et de société comme le MIAT (Industriemuseum) à Gand, la Maison de la Métallurgie à Liège et La Fonderie à Bruxelles. Depuis les années 1990-2000, le patrimoine industriel s’inscrit dans les logiques d’attraction touristique qui se traduit par l’inscription de certains sites industriels belges dans la Liste du Patrimoine mondial de l’UNESCO. Depuis les deux dernières décennies, la recherche scientifique s’empare du phénomène et stimule les politiques de rénovation et de réaffectation durable d’anciens ensembles industriels et technologiques.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.004 | 0.006 |
| Scholarly communication | 0.006 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 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".