6. Sauver l’héritage chrétien du Moyen-Orient : une odyssée de l’appartenance
Bibliographic record
Abstract
BeQrendirent cette union très malheureuse.Les deux conjoints se séparèrent, et, trois ans après, madame Verkhovensky mourut à Paris, laissant à son époux un fils de cinq ans, « fruit d'un premier amour joyeux et sans nuages encore », comme s'exprimait un jour devant moi Stépan Trophimovitch.On se hâta d'expédier le baby en Russie, où il fut élevé par des tantes dans un coin perdu du pays.Cette fois Verkhovensky déclina les offres de Barbara Pétrovna, et, moins d'un an après avoir enterré sa première femme, il épousa en secondes noces une taciturne Allemande de Berlin.D'ailleurs, un autre motif encore le décida à refuser l'emploi de précepteur : la renommée d'un professeur très célèbre alors l'empêchait de dormir, et il aspirait à entrer au plus tôt en possession d'une chaire d'où il pût, lui aussi, prendre son vol vers la gloire.Et voilà que maintenant ses ailes étaient coupées !À ce déboire s'ajouta la mort prématurée de sa seconde femme.Il n'avait plus alors aucune raison pour se dérober aux insistances de Barbara Pétrovna, d'autant plus que cette dame lui portait des sentiments vraiment affectueux.Disons-le franchement, Barbara Pétrovna lui ouvrait les bras, il s'y précipita.Qu'on n'aille point toutefois donner à mes paroles un sens bien éloigné de ma pensée : pendant les vingt ans que dura la liaison de ces deux êtres si remarquables, ils ne furent unis que par le lien le plus -La coïncidence n'en est pas moins remarquable.Mais pourtant permettez : ainsi vous me considériez comme un homme intelligent, et non comme un fou, quand vous avez envoyé Agafia ?-Comme un homme très intelligent et très sensé ; seulement, j'ai fait semblant de croire que vous n'aviez pas votre bon sens... Vous-même alors vous avez immédiatement pénétré ma pensée et vous m'avez fait remettre par Agafia une patente d'homme d'esprit.-Eh bien, ici vous vous trompez un peu ; le fait est que... je ne me portais pas bien... balbutia Nicolas Vsévolodovitch en fronçant le sourcil, -bah !s'écria-til, pouvez-vous croire en réalité que, possédant toute ma raison, je sois capable de me jeter sur les gens ?Mais pourquoi donc ferais-je cela ?Lipoutine ne sut que répondre, mais sa physionomie répondit pour lui.Nicolas pâlit légèrement, du moins l'employé crut le voir pâlir.-En tout cas, vous avez une tournure d'esprit fort amusante, poursuivit le jeune homme, -mais, quant à la visite d'Agafia, je comprends, naturellement, que c'était un affront que vous me faisiez.-Aurait-il fallu vous appeler sur le terrain ?-Hum !j'ai entendu dire que vous n'êtes pas partisan du duel...-C'est une traduction du français !répliqua
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
Direct model labels (unvalidated)
Per-model category and study-design labels from the labeling rounds. They are machine output, unvalidated, and the disagreement between models ships as data. No study design here is MEDLINE-validated yet.
| Model arm | Categories | Study design | Confidence |
|---|---|---|---|
| gemma | no category Domain: not available · Genre: Other About the Canadian research system: no · About a Canadian topic: no | Not applicable | low |
| gpt | no category Domain: not available · Genre: Other About the Canadian research system: no · About a Canadian topic: no | Not applicable | low |
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 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.173 | 0.037 |
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, unvalidatedLabeled directly by 2 models reading the full record.
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".