Gouverner les campagnes Analyse micro-sociale et construction institutionnelle (Río de la Plata, fin du XVIIIe siècle)
Bibliographic record
Abstract
À la fin du xviiie siècle, la monarchie hispanique imagina de nouvelles solutions pour gouverner ses territoires compris entre le Sud de l’Amazonie, le détroit de Magellan et la cordillère andine. Peuplées de cultivateurs et d’éleveurs, ces immenses régions rurales restaient mal connues des autorités. Pourtant, parmi les réformes conduites en Amérique par Charles III – notamment l’adoption du système de l’intendance –, aucune n’abordait de front l’administration des campagnes, une question importante pour deux raisons. Premièrement, la majeure partie des habitants du Río de la Plata vivait à la campagne. Deuxièmement, les longues distances séparant ces territoires des villes où étaient fixées les représentants du pouvoir monarchique (Santa Fe, Buenos Aires ou Madrid) constituaient un défi de taille pour les autorités chargées de gouverner ces populations. L’abandon d’une analyse surplombante au profit d’une approche au ras du sol, attentive aux dynamiques locales, permet d’éclairer le fonctionnement de ces espaces éloignés des centres politiques de la monarchie. À travers une analyse microhistorique d’une série de transformations institutionnelles survenues dans la province du Río de la Plata, cet article montre comment des individus gouvernés réussirent à prendre part au gouvernement de leur territoire. La mobilisation de leurs réseaux leur permit de créer des institutions et une communauté politique locale.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.006 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 0.000 |
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".