Bibliographic record
Abstract
Existuje jistě mnoho způsobů, jak přistupovat k dílu Alberta Camuse, jednoho z nejuznávanějších francouzských spisovatelů 20. století. Řada prací byla věnována přínosu jeho díla filozofického, hojné jsou studie zabývající se tématikou a imaginativní složkou jeho díla románového, nemalé úsilí bylo vynaloženo i na kvanti tati vní analýzy Camusova "slovníku" ... 1 Každá z řádek jeho díla byla opsána a okomentována nesčetněkrát. Nabízí se otázka, má-li vůbec smysl přidávat touto diplomovou prací k tunám papíru, který byl popsán ve snaze osvětlit Camusovo dílo filozofické i literární řadou fundovaných literárních kritiků, lingvistů, filozofů, psychoanalytiků, sociologů, něj aké to deko navíc. Na obhaj obu tohoto počinu uveďme alespoň dva základní důvody, proč se nám zdá být naše diplomová práce opodstatněná. Prvním důvodem je skutečnost, že se v českém prostředí věnuje tomuto autorovi menší pozornost, než by zasluhoval. Jestliže v zahraničí, především pak ve francouzském a anglofonním prostředí, doprovází Camusovo dílo neutuchající zájem, mezi jehož projevy patří i rozsáhlá publikační činnost, v Čechách, zdá se, počet studií věnovaných tomuto autorovi přece jen zůstává pozadu. Pro ilustraci uveďme prostý fakt, že za posledních 40 let byly na půdě románských studií FF UK věnovány Albertu Camusovi pouhé tři...
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 | 0.003 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.017 | 0.016 |
| Scholarly communication | 0.013 | 0.007 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.019 | 0.003 |
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".