La théorie de David Harvey sur les inégalités géographiques : le cas de la Russie
Bibliographic record
Abstract
La transition vers le capitalisme en Russie a eu un impact majeur sur le développement des régions. L’apparente amplification des inégalités géographiques a incité une partie de la communauté scientifique russe à en faire l’analyse. Depuis 2010, les publications savantes ayant recours aux concepts de périphérie et de périphérisation se sont multipliées pour constater une réalité empirique mesurable, mais sans l’inscrire dans une perspective théorique globale. Les résultats de ces travaux peuvent être interprétés avec les outils théoriques de David Harvey qui permettent d’embrasser l’ensemble du processus affectant la Russie pour en saisir la dynamique récente. Nous cherchons donc à démontrer les liens entre la transition vers le capitalisme et l’amplification des inégalités géographiques à partir de la perspective d’ensemble développée par Harvey, permettant d’inscrire la Russie dans le contexte global de l’économie mondiale alors qu’elle est affectée par des processus de périphérisation externe et interne qu’on ne saurait séparer.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.002 | 0.016 |
| Scholarly communication | 0.004 | 0.005 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
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".