MétaCan
Menu
Retour à la cohorte
Enregistrement W2995740039 · doi:10.7202/1066475ar

Professionnels, bénévoles, amateurs et citoyens : des acteurs de la recherche pour quels apports?

2019· article· fr· W2995740039 sur OpenAlexvenueno aff
Jean-Olivier Gransard-Desmond

Notice bibliographique

RevueCanadian Journal of Bioethics · 2019
Typearticle
Languefr
DomaineComputer Science
ThématiqueCultural Insights and Digital Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

Depuis les années 1970, l’archéologie s’est professionnalisée à une très grande vitesse avec l’évolution de l’administration française et l’explosion des postes en archéologie préventive. Les avantages apportés par cette évolution rapide doivent aujourd’hui tenir compte des acteurs non professionnels (bénévoles, amateurs et citoyens) dont la diversité a également évolué. En effet, la distance prise par les professionnels à l’égard de ces derniers se creuse un peu plus chaque jour. Pourtant, pendant longtemps, sociétés savantes et associations ont alimenté la production scientifique. Certaines ont même donné lieu à la création de centres de recherches associés parfois à la création d’un musée. Ces initiatives d’envergure issues de personnes morales peuvent également se retrouver au titre d’une personne physique. À des degrés très divers, bien d’autres archéologues bénévoles, se définissant parfois comme libres chercheurs, ont apporté leur pierre à la connaissance de l’être humain via une approche archéologique. Certains sont même devenus professionnels. Au travers de la présentation des apports et des limites des différents acteurs non professionnels de la recherche (en particulier archéologues bénévoles et chercheurs amateurs), nous mettrons en évidence l’importance qu’il y aurait à renforcer le lien entre professionnels et non professionnels pour la recherche archéologique de demain en mode science 4.0.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,422
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0010,000
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,746
Tête enseignante GPT0,454
Écart entre enseignants0,292 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of BioethicsMême sujetCultural Insights and Digital ImpactsTravaux en français237 207