Bibliographic record
Abstract
Résumé Le thème des « frontières d’humanité » est au cœur du projet des sciences humaines. La littérature existante sur le sujet fait cependant apparaître une tension entre deux manières de l’aborder. La première est normative et vise, dans la lignée d’une anthropologie fondamentale, à définir un propre de l’homme et à tracer une frontière entre les humains et les autres. La seconde, plus récente, est descriptive et s’attache aux pratiques d’humanisation ou de déshumanisation. Dans cette perspective, il s’agit d’analyser des processus qui ont pour résultat une sortie de l’humanité de certains individus ou collectifs, mais aussi une mise au pluriel de la notion ; on parle alors d’humanités altérées ou encore d’une humanisation ou d’une réhumanisation d’individus non humains ou préalablement déshumanisés. Depuis une vingtaine d’années, l’espace de la biomédecine et celui du handicap se caractérisent par un travail particulièrement dense autour de ces « frontières d’humanité » entendues dans la seconde acception : ce numéro tente d’en dresser un panorama. Au-delà de ces deux univers particuliers, une sociologie des « frontières d’humanité » invite à explorer des situations variées et peut-être plus ordinaires où se joue l’appartenance à une humanité commune.
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 | 0.003 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.006 | 0.023 |
| Scholarly communication | 0.007 | 0.008 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.013 | 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".