Montcalm et ladefense du Canada.
Bibliographic record
Abstract
qu'il n'a jamais cessé, malgré tout, d'éprouver pour la France.Nous n'avons garde encore d'oublier que de ces Français d'outre-mer il est un grand nombre dont les pères étaient nés sur le vieux sol normand.Et pour me servir d'une expression qui leur est familière, ils sont bien « nos gens » ces descendants de nos anciens colons qui accueillent avec une sympathie si vive, avec un empressement si touchant, ceux de nos compatriotes qui, comme vous, vont leur parler de la France.Vous avez, Monsieur, gardé un souvenir ému de la réception qu'ils vous ont faite, et c'est une dette de reconnaissance que vous voulez acquitter en venant nous entretenir aujourd'hui du Canada.Aux applaudissements qui ont salué votre éloquent discours oserai-je, Monsieur, mêler une critique?Vous venez de nous prouver, une fois de plus, qu'on est mauvais juge en sa propre cause.Vous avez cherché quelle raison avait guidé l'Académie lorsque, à deux reprises, elle a porté sur vous ses suffrages, et votre esprit, tou- jours si fin et si judicieux, s'est écarté cette fois du bon chemin.Je serai cependant d'accord avec vous sur un point.Oui, vous avez raison de le croire : l'élégant écrivain doublé d'un savant érudit, que notre Académie n'est pas la seule à apprécier comme il le mérite, nous a appris depuis longtemps à estimer et à aimer votre nom ; mais, dût votre modestie s'alarmer de mes paroles, j'affirmerai hautement que vous n'aviez nul besoin de ce fraternel patronage.Votre valeur personnelle suffisait amplement à fixer notre choix ; c'est à elle, à elle seule que nous devons le plaisir, peu commun assurément,
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.014 | 0.004 |
| Scholarly communication | 0.009 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.003 | 0.007 |
| Insufficient payload (model declined to judge) | 0.090 | 0.009 |
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".