Bibliographic record
Abstract
Nous définissons l’« hétérogénéité stylistique » comme la cohabitation synchrone de styles hétérogènes dans un corpus individuel, particulièrement visible dans un médium unique. Une telle cohabitation est avérée dans les productions d’artistes aussi divers que le Tintoret, Sébastien Bourdon, Pablo Picasso, Francis Picabia et Gerhard Richter, que nous abordons ici comme autant de cas d’étude. L’hétérogénéité stylistique, inégalement distribuée dans le champ de la production artistique et généralement mal identifiée par l’histoire de l’art, pose des problèmes de définition et d’interprétation qui sont directement liés aux fondements méthodologiques de cette discipline (en raison même de l’histoire complexe de la notion de style). Ainsi, l’histoire de la réception critique de l’hétérogénéité stylistique, de la Renaissance à aujourd’hui, fait ressortir les nombreux enjeux idéologiques qui ont variablement déterminé le processus de son identification et de son interprétation. À une époque où l’on peut cerner plus clairement les enjeux que soulève l’hétérogénéité stylistique, il devient possible d’entreprendre une analyse structurelle et contextuelle de ce dispositif esthétique, à partir d’une série de faits historiques et de modèles épistémologiques (tels que l’histoire de la subjectivité, l’évolution des techniques de production, de gestion et de diffusion de l’art et de l’information, 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 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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.003 | 0.006 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.037 | 0.008 |
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".