Notice bibliographique
Résumé
The one he did, that is, and took me to when I was 13. I turned as white as the old woman lying naked there; but as he clanked out tools I inspected her quickly, the dead cinder of her nipples, the stiff tuft at her crotch (“Still black? Wouldn’t it turn gray?”). Dad took stock of her length, weight, muscle tone, telling me or the microphone how she lived, what made her sick. “Like being a detective,” he said, “except I answer my own questions. Here; touch this.” But I wouldn’t, and I wanted her body to resist interrogation, prayed weirdly she never said “aah” for a doctor. Then he slit and sawed her down the middle— she opened as easily as a yam, or a duffel bag; dipping delicately in, Dad scooped out a handful of stuff, all jumbly like underwear from Mom’s dresser. He read her guts like a priest: proving the tubes, slicing wafers from her heart, so thin they would glow under lens-light— at last she yielded him a brown pebble which I felt between his finger and thumb; then he put it back. Death’s story, deduced from facts hard as bone—as he talked me through it, I could hear the joyful lift in his voice.… He had little patience for his house, its prattling unready anatomies, his wife’s “incompetent housekeeping”; at night he sat over journals and drinks, compact, severe, inward as a microscope. Now he’s home all day waiting for the mail, hasn’t cut a corpse for years. He calls every weekend, his news familiar as a backache, and we talk without fear. Once I thought my pen would open him here like the corpse on its single pan of judgment; but as I cover this pan with pages he is alive on another one.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,006 |
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.
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 ».