Notice bibliographique
Résumé
Near the end of his life, Rogers Hornsby published an article in a men's magazine titled “You've Got to Cheat to Win in Baseball.” Hornsby wrote, “I've been in pro baseball since 1914 and I've cheated, or watched someone on my team cheat, in practically every game. You've got to cheat.” Hornsby's confession was not a complete surprise. Revered as one of baseball's supreme hitters, he was also reputedly meaner than Ty Cobb, and absolutely devoted to winning at all costs. But Hornsby was not the only confessed cheater among the all-time greats, some with more likable reputations. Hank Greenberg described a season when he was managed by an expert sign-stealer. “I loved that. I was the greatest hitter in the world when I knew what kind of pitch was coming up.” It is a truth universally acknowledged that in matters of supreme importance people cheat. Baseball matters; you might say the rest follows. Today, when we talk about cheating in baseball, we automatically think of steroids, but it's important to understand that cheating is bigger than steroids, and in fact, as Thomas Boswell writes, cheating is baseball's oldest profession. Even performance-enhancing drugs (PEDs) have a venerable history. Pud Galvin, one of the nineteenth century's greatest pitchers, downed an elixir of monkey testosterone before an 1889 game against Boston. Galvin won and drew a favorable comment from the Washington Post : “If there still be doubting Thomases who concede no virtue of the elixir, they are respectfully referred to Galvin's record in yesterday's Boston–Pittsburgh game. It is the best proof yet furnished of the value of the discovery.”
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,038 | 0,013 |
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 ».