Bibliographic record
Abstract
Les mémoires de Robinson Crusoé sont « le livre le plus captivant jamais écrit pour des garçons », selon Leslie Stephen. Édité par Daniel Defoe, l’ouvrage s’est inscrit dans la conscience littéraire de la civilisation européenne et depuis trois siècles, nous éprouvons le besoin d’étudier et de synthétiser les questions scientifiques intrigantes et interreliées qu’il soulève dans les domaines de l’histoire, de la géographie, de la cartographie, de l’astronomie, de la géologie, de la botanique, de la zoologie, de la climatologie, de l’archéologie, de l’anthropologie, de l’ethnologie et de la linguistique. De plus, quand l’histoire est véridique, les lecteurs et lectrices la suivent sur une carte avec avidité. Or, l’une des îles de l’archipel Juan Fernández, au Chili, est connue sans raison évidente sous le nom d’ Isla Robinson Crusoe. L’île Cocos, au Costa Rica, nous parait être une candidate plus convaincante, si l’on se fie aux observations du narrateur sur la latitude, les marées, le climat, la flore, la faune et le relief topographique, ainsi que sur sa carte de 1719. Les voyages de Crusoé à travers la Chine, la Russie et les Pyrénées fournissent une information géographique unique, sous la forme de douzaines de toponymes. Les différentes éditions des trois parties du livre contiennent quelques coquilles dans les noms géographiques. L’itinéraire du voyageur est comparé à celui de l’ambassadeur Ides et à de nombreuses cartes contemporaines.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.004 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".