Notice bibliographique
Résumé
Depuis les premières initiatives de sauvegarde du web à la fin des années 1990 et la création d’un dispositif légal français en 2006, l’archivage du web est une aventure passionnante pour les bibliothécaires. Tout en s’inscrivant dans la tradition du dépôt légal, il confie à des robots la tâche de prendre le relai des êtres humains pour archiver au mieux le web. Les bibliothécaires les nourrissent par des collectes thématiques qui ont pour but de repérer plus précisément les sites qui pourraient échapper à la collecte large. La mise en œuvre du dépôt légal du web a conduit à une évolution du métier de bibliothécaire : définir de nouveaux objets, faire connaître cette mission, baliser les archives du web. Outre les nécessaires adaptations aux évolutions du web, il reste encore de nombreux chantiers à venir, notamment proposer une meilleure indexation des collectes et travailler plus étroitement avec les chercheur·e·s. Le web fait aujourd’hui figure de « mémoire partagée » de l’humanité. Constituer une mémoire de cette mémoire et la partager avec le plus grand nombre est l’un des enjeux les plus importants de notre temps.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,013 | 0,011 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,077 | 0,039 |
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 ».