Bibliographic record
Abstract
Ce numéro de Culture & Conflits est consacré aux mobilisations de défense et de promotion des langues régionales en Europe. Ces « mobilisations » sont ici appréhendées au sens large puisque selon les cas ce terme englobe des dynamiques d’action collective plus ou moins institutionnalisées (allant de l’action de quelques militants associatifs aux poliiques de régénération linguistique portées par de puissants gouvernements régionaux) et plus ou moins politisées (allant du simple régionalisme culturel au nationalisme politique indépendantiste). L’enjeu de ces revendications est en tout cas central puisque la défense des langues renvoie directement à une certaine conception de l’État et de la nation. Ce numéro a été pensé comme un carrefour permettant d’intégrer des travaux provenant aussi bien de la théorie politique que de la sociologie de l’État, des études régionales et de la sociologie des mobilisations. Il s’articule autour de trois questions : qui sont les acteurs ethnolinguistiques et quels sont leurs modes d’expression ? Quels sont les modes de représentation formelle et informelle des acteurs ethnolinguistiques ? Quelles sont les politiques culturelles et linguistiques mises en œuvre afin de favoriser les langues régionales ? Autour d’exemples tirés de l’Italie, de la Roumanie, de la Bulgarie, du Canada, du Pays de Galles et du Pays Basque, ce numéro a pour ambition de nourrir le débat portant sur les enjeux linguistiques en Europe.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.007 | 0.023 |
| Scholarly communication | 0.013 | 0.007 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.018 | 0.004 |
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".