Bibliographic record
Abstract
Vingt-trois ans après les attentats du 11 septembre 2001, l’analyse anthropologique reste cruciale pour appréhender les dynamiques complexes du terrorisme et de la violence. L’anthropologie, en tant que discipline dédiée à l’étude de l’humanité, permet de comprendre que la violence n’est pas un phénomène isolé, mais un outil souvent instrumentalisé pour réguler les sociétés et structurer les rapports de pouvoir. Bien que les évènements du 11 septembre soient fréquemment associés à un extrémisme religieux, il est essentiel de souligner que le terrorisme est un phénomène pluriel, nourri par des facteurs idéologiques, culturels et sociaux variés. Une caractéristique marquante du terrorisme contemporain est la déshumanisation des victimes, souvent réduites à des abstractions telles que « pertes humaines » ou « chiffres de la tragédie ». Parallèlement, les auteurs de ces violences sont parfois représentés comme des « monstres », un mécanisme de déshumanisation réciproque. Ce processus empêche la reconnaissance véritable de la souffrance individuelle, tout en entravant une réflexion plus profonde sur les causes sociales, politiques et économiques de la violence. L’anthropologie offre un éclairage précieux sur ces mécanismes et permet d’ouvrir la voie à une prévention plus efficace des violences futures. La génération interconnectée actuelle, joue un rôle central dans la transformation de ces perceptions, en rejetant ou non les réponses violentes au profit de solutions plus inclusives, solidaires et adaptées aux réalités locales.
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 | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.017 |
| Scholarly communication | 0.005 | 0.005 |
| Open science | 0.001 | 0.004 |
| 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".