Kerner és Rapaics szellemi örökségének tükröződése Magyarország növényföldrajzának mai megítélésében, különös tekintettel az Ősmátra-elméletre
Bibliographic record
Abstract
Magyarország növényföldrajzi kutatását közvetett módon egy magyarellenes császári rendelet indítja el (1854), amely előírja, hogy a művészet és tudomány kifejezésére alkalmatlan, alacsonyabb rendű magyar nyelvet az oktatásban minden fokon a német nyelvvel kell felváltani. Ennek keretében kap tanári kinevezést 1855-ben az osztrák Anton Kerner (1831-1898) a budai főreál — a mai Toldy Ferenc —gimnáziumba, majd 3 év múlva főiskolai tanári kinevezést a pesti ipartanodába. Vele kezdődik Magyarország növényföldrajzi kutatása — és mindjárt nemzetközi színvonalon. A fiatal budai tanár 1857-ben a Regensburgi Királyi Természettudományi Társaság kiadványában egy tanulmányt közöl, amely arról szól, hogy az éghajlat felmelegedése során a növények a hegységek magasabb régióiba vándorolnak, illetve hogy a Pannon-tenger kiszáradása után a pannon medence szabaddá vált felszínére a környező hegyek növényeinek kellett leereszkedniük, miközben más fajokká alakultak át. Mindezt két évvel megelőzve Darwin korszakalkotó könyvét a fajok eredetéről.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.000 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.031 | 0.008 |
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".