Bibliographic record
Abstract
Le terrorisme affecte l’État, au moins dans les éléments qui le constituent. Les attentats de Paris et de Saint-Denis de janvier et novembre 2015 en sont des témoignages saisissants. Tout se passe comme si, au-delà des effroyables assassinats, l’État lui-même avait été frappé. En réponse, le peuple s’est rassemblé dans les rues de l’Hexagone le 11 janvier 2015 pour réaffirmer son unité et, à travers elle, sa puissance. Territoire, peuple, souveraineté, État. Le terrorisme trouve face à lui les concepts premiers du droit public. D’ordinaire, l’analyse du terrorisme est plutôt effectuée par le biais de branches plus spécialisées du droit : le droit pénal, le droit européen et le droit international. Qu’en est-il sous l’angle du droit public ? Quels sont les rapports, les liens, entre l’État et le terrorisme ? Quel est le pouvoir ou, plus simplement, l’influence de l’État dans l’identification du terrorisme ? Quelles sont les réactions de l’État contre le terrorisme ? Visent-elles seulement à lutter contre le terrorisme ou ont-elles d’autres causes ? Symétriquement, sont-elles susceptibles d’avoir des conséquences plus profondes ? Les contributions réunies dans le présent ouvrage apportent des réponses à ces questions d’un point de vue pluridisciplinaire (droit public, droit privé, philosophie, histoire, économie, sociologie, science politique) et au regard de plusieurs États, tels que la France, l’Espagne, l’Italie, le Royaume-Uni, le Canada et les États-Unis.
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 | 0.004 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.009 | 0.023 |
| Scholarly communication | 0.015 | 0.009 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.004 | 0.009 |
| Insufficient payload (model declined to judge) | 0.026 | 0.007 |
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".