« Des mâts pour les Vaisseaux du Roi. » La mobilité des arbres nord-américains : un moteur de conquête et de croissance de la Nouvelle-France (1663-1763)
Bibliographic record
Abstract
Dès la fin du xvii e siècle, la mise en valeur des arbres nord-américains par des voyageurs français coïncide avec la reprise en main de la Nouvelle-France par Louis XIV. Dans un contexte d’importantes rivalités impériales avec les Anglais et les Hollandais pour la maîtrise des mers et le contrôle du commerce transatlantique, Colbert fonde les Compagnies commerciales des Indes orientales et occidentales, tout en faisant refleurir la Marine royale ; mais la conquête a un coût : il faut en moyenne 2 500 chênes centenaires pour bâtir la coque d’un seul vaisseau capable de traverser l’Atlantique. Par conséquent, l’approvisionnement en arbres devient une affaire d’État, tant la migration des biens et des hommes repose sur l’augmentation de la flotte du roi. L’enjeu de cet article est de comprendre comment les récits de voyage en Nouvelle-France (1663-1763) ont contribué à promouvoir le potentiel économique des forêts de la colonie et à stimuler la construction navale, tout en se faisant l’écho d’une politique volontariste d’exploitation des forêts d’Acadie, du Canada et de la Louisiane. Cette étude examine dans quelle mesure la mobilité des arbres a participé au développement d’un commerce qui a permis de mettre en réseau des lieux de science, et d’acheminer des hommes et des commodités d’un bout à l’autre de l’Atlantique au tournant du xviii e siècle.
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 | 0.000 | 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 | 0.004 | 0.003 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".