Bibliographic record
Abstract
Résumé Au début du xvie siècle, les marins européens établirent une pêcherie commerciale et un site d’occupation permanent dans l’Atlantique du Nord-Ouest. Comment nommer ce lieu ? Cet article défend l’idée que ces marins développèrent leur propre conception de l’espace par le prisme de la création de la pêcherie – une conception qui était le reflet des cartes mentales qu’ils avaient développées à travers la pratique du travail de la pêche. Il soutient qu’au lieu d’utiliser une terminologie contemporaine comme Newfoundland, les spécialistes devraient au contraire s’emparer de cette grille de lecture géographique pour traiter des premières années de la pêcherie et de la colonisation. Des marins de toute l’Europe ont utilisé l’expression Terra Nova et ses variantes afin de désigner un espace fluctuant, vaste et aqueux dans l’Atlantique du Nord-Ouest. Son usage s’est montré cohérent dans le temps et l’espace, et liait la géographie à la pratique de la pêche. Cet article restitue les cartes mentales du xvie siècle, retrace l’origine et la diffusion du syntagme Terra Nova et montre en quoi il diffère des géographies et des désignations des cartographes. Dans sa dernière partie, il réfléchit à la relation entre le travail, la mer et l’espace, et à la manière dont celle-ci a contribué à l’usage de Terra Nova. Ce faisant, il offre le moyen de retrouver les cartes mentales oubliées et de démontrer la malléabilité des géographies maritime au début de l’histoire de l’expansion européenne dans le bassin atlantique.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.217 | 0.074 |
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".