Un PCR pour quoi faire ? Objectifs et outils du PCR Archéologie des conflits contemporains en région Île-de-France et Centre-Val de Loire
Bibliographic record
Abstract
En Île-de-France, les premiers travaux archéologiques collaboratifs portant sur les conflits contemporains ont concerné le camp retranché de Paris (CRP), système de défense de la capitale pendant la Première Guerre mondiale. De 2008 à 2015, à l’initiative des archéologues de l’Office National des Forêts (ONF), des prospections pédestres et Lidar couplées à des recherches en archives ont été menées, en association avec le Service régional d’Archéologie (SRA) et les services départementaux du Val d’Oise et des Yvelines (Dardignac & Bénaily, 2015 ; Dardignac & David, 2015). L’attention croissante portée aux vestiges du CRP par les archéologues préventifs a entrainé un renforcement des liens entre archéologues franciliens, notamment ceux de l’ONF et de l’Inrap (Mercé, 2018). Au fil des découvertes archéologiques et de travaux de recherches divers, l’intérêt s’est par la suite porté sur les autres conflits armés de l’époque contemporaine, autorisant une première synthèse diachronique sur les systèmes de défense et d’attaque de Paris et les fortifications de campagne et permettant de proposer un développement des recherches lors du colloque de Caen tenu au printemps 2019 (Mercé et al., 2019 ; Mercé et al., 2024b). C’est à la suite de ces synthèses que la question de l’opportunité de monter un PCR s’est posée. Après une proposition formulée fin 2019 et reçu positivement par le SRA Idf, l’année probatoire du PCR « archéologie des conflits contemporains en régions en régions Île-de-France et Centre-Val de Loire » s’est déroulée en 2020. L’objectif était de fédérer des énergies et des compétences variées afin d’accentuer les dynamiques de recherches à l’œuvre quant à l’archéologie des conflits contemporains, tant au niveau régional que national. Plusieurs axes de travail avaient été définis : inventaire normalisé systématique des vestiges liés aux guerres contemporaines, approfondissement des investigations dans les fonds d’archives, intégration des données dans un SIG, établissement de bibliographies de référence… Un premier inventaire des rapports d’opérations archéologiques avait par ailleurs permis de dégager plusieurs axes de recherches thématiques. Tous ces points sont développés dans les rapports d’activités annuels (Mercé et al., 2021 ; Mercé et al., 2022 ; Mercé et al., 2023 ; Mercé et al., 2024a). Ces travaux collaboratifs ont nécessité la mise en place d’un vocabulaire commun, invitant à la réflexion sur la question des thésaurus, existants ou à créer, et la construction d’une base de données permettant d’intégrer des informations d’origines diverses (archéologie, bibliographie, archives textuelles ou planimétriques, iconographie, photographie…).
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 | 0.104 | 0.173 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.006 | 0.004 |
| Science and technology studies | 0.005 | 0.010 |
| Scholarly communication | 0.016 | 0.009 |
| Open science | 0.005 | 0.006 |
| Research integrity | 0.005 | 0.007 |
| Insufficient payload (model declined to judge) | 0.008 | 0.003 |
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".