MétaCan
Menu
Retour à la cohorte
Enregistrement W1599974144 · doi:10.4000/volume.3999

Art, science, technologie

2014· article· fr· W1599974144 sur OpenAlexaff
Jean-Paul Fourmentraux

Notice bibliographique

RevueVolume ! · 2014
Typearticle
Languefr
DomaineComputer Science
ThématiqueCultural Insights and Digital Impacts
Établissements canadiensCanadian Nautical Research Society
Organismes subventionnairesnon disponible
Mots-clésHumanitiesSociologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

Qu’est-ce que « créer » dans un contexte interdisciplinaire tel que l'IRCAM (Paris) hybridant arts, sciences et technologies numériques ? Quelles catégories permettent de décrire ce type de création, quels critères permettent d’en évaluer le succès, quelles stratégies permettent de les pérenniser et de les diffuser ? S’il existe, en sciences humaines et sociales, des travaux fondateurs sur la création artistique (Alpers, 1988 ; Bourdieu, 1992), la recherche scientifique et de l’invention technologique (par ex. Fleck, 2005 [1935] ; Latour & Woolgar, 1979), en revanche les cadres théoriques et les enquêtes empiriques se font rares dès lors qu’on s’intéresse à des objets hybrides, coproduits par des domaines, des acteurs et des modes d’évaluation hétérogènes. L’intense développement des démarches interdisciplinaires depuis la fin du XXe siècle, ainsi que l’émergence d’arts nativement informatiques et numériques, obligent les sciences sociales à dépasser les frontières communément admises entre domaines d’études. Mais la nécessité de concevoir des cadres d’analyse adaptés aux innovations en art-science-technologie se fait sentir d’autant plus vivement aujourd’hui que cette triple intersection apparaît comme un lieu stratégique pour repenser de façon plus générale les modes d’organisation du travail (Menger, 2002 ; Fourmentraux, 2011) et les modes de production du savoir (Risset, 1998 ; Dautrey 2010).

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,090

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,006
Études des sciences et des technologies0,0050,030
Communication savante0,0190,010
Science ouverte0,0010,005
Intégrité de la recherche0,0050,005
Charge utile insuffisante (le modèle a refusé de juger)0,0270,006

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,169
Tête enseignante GPT0,294
Écart entre enseignants0,125 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVolume !Même sujetCultural Insights and Digital ImpactsTravaux en français237 207