Les émigrés russes et l’Épuration en France, 1944-1948
Bibliographic record
Abstract
L’article examine l’impact de l’Épuration sur l’émigration russe en France, sujet longtemps resté inexploré du fait de l’état embryonnaire des études sur l’épuration politique des étrangers et à cause du tabou qui avait frappé la thématique des attitudes et agissements collaborationnistes d’émigrés russes sous l’Occupation et de leurs retombées politiques en France libérée dans l’historiographie et la littérature mémorielle de la diaspora. L’étude se borne au département de la Seine, où se trouvait plus de la moitié des émigrés russes de France. Elle retrace deux processus parallèles : l’Épuration judiciaire portée par les instances françaises et la sanction communautaire appliquée à l’intérieur-même de la diaspora. L’auteur soutient que les frustrations de tous bords vis-à-vis de l’Épuration, que celle-ci ait été appliquée par les instances françaises ou par les partisans russophones de la sanction communautaire, approfondirent les antagonismes nés sous l’Occupation au sein de la « Russie en exil ». Au lieu de jeter les bases d’une reconstruction communautaire, l’Épuration entérina les fractures ethniques et idéologiques de la diaspora, contribuant ainsi à sa rapide désintégration en tant que communauté culturelle au lendemain de la guerre.
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 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".