Bibliographic record
Abstract
Dans les contextes contemporains marqués par des crises de mortalité, la situation singulière dans laquelle se retrouvent certains restes humains invite à la réflexion. En effet, ces restes humains, bien qu’identifiés comme appartenant à des victimes de violences ou de catastrophes, et ayant fait l’objet d’expertises, et dans certains cas, ayant été individuellement identifiés, demeurent durablement stockés en attente d’un potentiel traitement funéraire ou patrimonial qui n’est jamais certain. Ces situations qui placent des restes humains en réserve, ou en marge du monde, font bien peu parler d’elles et n’ont pour l’instant suscité aucune étude comparative d’envergure. Or, ces stockages invitent à s’interroger sur l’état liminal dans lequel peuvent être durablement maintenus des restes humains, sur les enjeux (politiques, religieux, moraux) de la création de ces stockages et sur les motifs qui sous-tendent leur caractère durable. Prenant principalement appui sur plusieurs séries d’enquêtes ethnographiques conduites en Europe, en Amérique latine et en ailleurs, dans le cadre de deux programmes de recherche consacrés aux restes humains dans les contextes de violences de masse, cet article propose une réflexion sur ce que nous apprennent ces stockages de l’expérience que font certaines sociétés de la mort collective.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.057 | 0.005 |
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".