Bibliographic record
Abstract
Lors de violences extrêmes telles celles générées par des États génocidaires ou prêts à commettre des crimes de masse ou contre l’humanité, la société est en amont sensibilisée à ce qu’elle vivra, mais surtout à ce qu’elle devra entériner, voire ce à quoi elle devra participer. À coup de lois et de décrets, des droits sont violés et des privilèges accordés aux individus qui sans grands cas de conscience seront prêts à tout pour que le projet étatique voie le jour. Appartenant à un groupe clairement identifié, les victimes porteraient le poids de tous les maux passés, présents et futurs. Ces personnes sont alors non seulement marginalisées, mais aussi perçues comme méritant leur sort, à tel point que les exécuteurs pensent que celles-ci se laissent docilement mener à leur mort ; perception d’ailleurs largement partagée par ceux-là mêmes qui pourraient ou devraient leur venir en aide. Or, les témoignages des exécuteurs ne laissent guère de doute sur cette supposée docilité et sur leur incapacité à juger leurs actions à leur juste mesure.
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 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.009 | 0.019 |
| Scholarly communication | 0.009 | 0.008 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.004 | 0.007 |
| Insufficient payload (model declined to judge) | 0.037 | 0.013 |
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".