La construction locale d’une base transnationale de données en botanique
Notice bibliographique
Résumé
Cet article décrit le travail d’une équipe de cinq personnes se consacrant à la numérisation de spécimens de plantes contenus dans un vaste herbier à Montpellier, projet ayant pour objectif la production de données numériques devant être insérées dans une banque de données d’envergure mondiale. Notre analyse descriptive met en lumière, d’une part, l’invisibilité associée aux contraintes d’une infrastructure informationnelle transnationale qui sépare les données de leur lieu de production locale : le travail de ces personnes constitue un travail fantôme, un travail de « petites mains », un travail rendu invisible du fait de l’envergure mondiale du projet qui suppose une standardisation des tâches d’exécution et l’anonymat des exécutants. D’autre part, nous nous interrogeons sur l’importance des valeurs politiques et morales associées à la configuration d’un dispositif sociotechnique cherchant à valoriser à la fois la production scientifique et les individus qui en sont responsables. Enfin, le cas présenté ici donne à voir la transposition en mode numérique de données scientifiques déjà existantes. Cette transformation matérielle restreint certaines possibilités de production des savoirs tout en ouvrant la porte à de nouveaux possibles cognitifs.
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 | 0,018 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,005 | 0,007 |
| Communication savante | 0,014 | 0,014 |
| Science ouverte | 0,002 | 0,014 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,003 |
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 ».