Jan de Bie Leuveling Tjeenk architect en bestuurder/bestuurder en architect
Bibliographic record
Abstract
Ir. Jan de Bie Leuveling Tjeenk (1885-1940) maakte na zijn afstuderen aan de Technische Hoogeschool in Delft in 1912 en 1913 een wereldreis, waarbij hij behalve Amerika en Canada ook vele landen in Azië doorkruiste, om tenslotte Nederlands-Indië aan te doen. Zijn bevindingen op het gebied van architectuur, kunst, toneel en dans, zijn contacten met medereizigers, onder wie de jonge Azië-kenner Hervey Wetzel (1888-1918), legde hij vast in dagboeken die bewaard zijn gebleven. Terug in Nederland ontwierp Tjeenk behalve enkele villa's, waaronder die voor hemzelf en zijn gezin aan het Museumplein 4 in Amsterdam, de bekende Jaarbeursgebouwen in Utrecht, het Pakhuis De Zwijger in Amsterdam en het kantoor voor de Koninklijke Fabriek F.W. Braat nv in Delft. Bekend is hij ook door zijn omvangrijke restauratiewerkzaamheden aan het Paleis op de Dam en het gereed maken van Paleis Soestdijk voor bewoning door prinses Juliana en prins Bernhard. Minstens zo belangrijk als zijn architectonische werk was echter zijn inzet als bestuurder. Zo vervulde hij de rol van voorzitter van de Tentoonstellingsraad die de Nederlandse inzendingen voor wereldtentoonstellingen voorbereidde, waaronder die in Parijs in 1925 en 1937
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.009 | 0.004 |
| Scholarly communication | 0.009 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.090 | 0.025 |
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".