Une comparaison entre lâutilisation des troupes africaines par la France et lâAllemagne pendant la Première Guerre mondiale
Bibliographic record
Abstract
Pendant la Première Guerre mondiale, les puissances occidentales étaient obligées d’utiliser toutes leurs ressources afin de vaincre. Dans les colonies allemandes, les troupes coloniales, la Schutztruppe, la plupart étant des Africains noirs, avaient la responsabilité de défendre les colonies contre tout envahisseur. Pour sa part, la France craignait, depuis la fin de la guerre franco-allemande, l’écart démographique vis-à-vis de l’Allemagne. Elle a finalement pris la décision de renforcer ses troupes par des soldats africains, les Tirailleurs sénégalais étant les plus nombreux. Ce mémoire vise à analyser et à comparer le recrutement et le déploiement dans les deux cas, particulièrement l’idéologie qui soutenait ce recrutement, les relations entre Africains et Européens pendant la guerre, la contribution des Africains à l’effort de guerre, ainsi que les conséquences de la visibilité accrue des Africains dans la société européenne. En général, nous pouvons remarquer d’importantes ressemblances entre les deux cas, en particulier le fait que l’utilisation de troupes coloniales a eu pour fonction de justifier leurs politiques coloniales et de condamner celles de leur adversaire.
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 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.011 | 0.001 |
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".