Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Bien que nombreux, les travaux sur le développement de dispositifs algorithmiques et d’IA dans le domaine de la justice tendent à se pencher soit sur la conception des outils, soit sur leurs usages, ce qui invisibilise les phénomènes qui se jouent à l’intersection des deux. À rebours de la tendance générale, cet article s’appuie sur une enquête par entretiens menée auprès de concepteurs et d’utilisateurs d’un même dispositif pour proposer une analyse croisée de sa production et de son utilisation.Cette recherche permet d’établir deux résultats principaux. Premièrement, l’outil étudié ne relève pas d’une approche strictement quantitative du droit : le processus de conception implique non seulement des informaticiens et des scientifiques, mais également des personnes formées en droit, afin que les résultats produits ne soient pas incohérents avec la logique des utilisateurs. Deuxièmement, les utilisateurs de l’outil ne reprennent pas les chiffres proposés tels quels. Ils les mobilisent en regard d’autres éléments (textes de lois, méthodes de calcul, recherches juridiques) et les interprètent à la lumière de leur expérience juridique et de leur connaissance des limites du dispositif.Afin de comprendre la manière dont les dispositifs algorithmiques et d’IA pourraient influencer le fonctionnement de la justice, il est donc nécessaire d’analyser l’articulation entre notions juridiques et logiques informatiques que supposent ces outils, et ce, tant au moment de leur conception qu’à celui de leur utilisation.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,015 |
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 découle