Quels espaces pour les malades au sein des espaces funéraires anciens ? Réflexions à partir de différents exemples archéologiques médiévaux et modernes en France
Bibliographic record
Abstract
L’archéologie, et l’archéo-anthropologie en particulier, permettent d’approcher directement les morts par l’étude des ensembles funéraires mis au jour lors des opérations de fouille. L’étude de leur répartition dans l’espace, entre eux et par rapport aux autres vestiges (édifice religieux, structures domestiques, artisanales ou agricoles, voies…) est systématique car elle donne accès à une meilleure compréhension des gestes à l’origine de la constitution de l’ensemble funéraire donné. Il est parfois ainsi possible de mettre en évidence des sectorisations particulières comme le regroupement des sujets les plus jeunes dans un espace donné du cimetière, à éventuellement relier aux notions de baptême ou des limbes. La localisation de certaines architectures funéraires, aux matériaux coûteux, peut aussi par exemple conduire à discuter de la topographie sociale de l’espace funéraire. Dans cet article, nous nous proposons d’appréhender à partir de différents exemples un groupe particulier de la communauté des morts pour les périodes médiévales et modernes (VIe – XVIIIe s.), les individus victimes de pathologies, qu’elles soient endémiques ou épidémiques. Quelle va être leur place dans les espaces funéraires? Vont-ils être intégrés dans les mêmes espaces que les sujets considérés comme sains ou au contraire être relégués dans un espace réservé? Observe-t-on le même traitement pour les victimes d’épidémies? Ces questionnements, en particulier dans le cas de nombreuses morts simultanées, font écho à la récente pandémie ayant frappé le monde actuel. L’épidémie de Covid-19 a ainsi rappelé la nécessité de prendre en charge rapidement des décès simultanés et a pu remettre en lumière des pratiques que l’on pensait révolues dans nos sociétés, hors de tout conflit (fosses multiples, anonymisation des tombes, etc.).
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.002 | 0.003 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 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 teacher head, 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".