Notice bibliographique
Résumé
Une large part des vastes quantités d’informations produites dans le monde est d’origine numérique et se présente sous une grande diversité de formats : texte, base de données, son, film, image. Pour les institutions culturelles, qui ont traditionnellement la charge de recueillir et de préserver le patrimoine culturel, il est devenu extrêmement urgent de savoir quels sont les matériaux qu’il convient de conserver pour les générations futures et comment il faut procéder à leur sélection et à leur préservation. Ce gigantesque trésor d’informations numériques, produit aujourd’hui dans presque tous les domaines de l’activité humaine et conçu pour être accessible sur ordinateur, risque d’être perdu si l’on ne développe pas des techniques et des politiques spécifiques en vue de le conserver. L’intérêt que porte l’UNESCO à cette situation n’a rien de surprenant. Cette organisation internationale existe en partie pour encourager et permettre la conservation et la jouissance du patrimoine culturel, scientifique et informatif des peuples du monde entier. Elle ne pouvait négliger l’augmentation du patrimoine numérique et sa vulnérabilité.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,005 | 0,011 |
| Communication savante | 0,011 | 0,008 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,056 | 0,005 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».