Bibliographic record
Abstract
La Révolution française a suscité très tôt une multiplicité de récits qui ne se bornaient pas à rapporter la totalité des événements, mais tentaient également à en exposer les causes « réelles ». Ces récits différaient profondément les uns des autres, mais leur ambition était analogue. Le présent article se propose de montrer que la notion de « grand récit », introduite par Jean-François Lyotard, permet de saisir les traits communs de ces divers travaux.On connaît les critiques que François Furet a adressées aux historiens français de la Révolution ; elles se laissent résumer comme suit : au lieu de substituer un nouveau grand récit aux récits antérieurs, Furet rejette le grand récit comme tel. De ce point de vue, il s’inscrit dans un mouvement de grande ampleur. Avant lui, Claude Lévi-Strauss avait dressé un parallèle entre les grands récits des sociétés occidentales et les mythes qu’il avait étudiés dans les sociétés amazoniennes. Indépendamment de Furet, Michel Foucault exprime sa défiance à l’encontre des « grands récits » hérités. Dans ces conditions, une série de questions se pose : les historiens peuvent-ils éliminer toute possibilité de grand récit ? Un tel rejet implique-t-il que les micro-récits sont seuls capables de rendre compte des événements passés ? Implique-t-il l’échec inévitable de toute tentative visant à aller au-delà de la pure et simple juxtaposition des descriptions ? Le présent article tente, dans sa conclusion, de résoudre ces difficultés.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.012 | 0.021 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| 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".