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
sponsorship: We wish to thank several people here who have helped in various ways to make the production of this special issue possible. Thanks first to the contributors to the issue, especially to Georges Didi-Huberman. Thanks are due to Mieke Bleyen for her help in liaising with some of the contributors of this issue and in editing and revising. Thanks to Emmanuel Alloa for his help in getting the permission to translate the Didi-Huberman and Ranciere exchange. Additionally, we wish to thank the Research Unit Literary Studies of KU Leuven, led by Bart Philipsen, for providing us with the funds necessary to translate some of these contributions into English. Thanks are due to the FWO (Research Foundation Flanders) and the SSHRC (Social Sciences and Humanities Research Council of Canada) which, by providing support to the co-editors, helped to make this project possible. Thanks to all those who helped in the translation process: Christopher Woodall for his translation of three of the articles in this issue; thanks to Michiel Rys and Jan Vanvelk for their translation of Sigrid Weigel's text and help with other questions; thanks to Elise Woodard and Jorge Rodriguez Solorzano for their translation of the exchange between Didi-Huberman and Ranciere. Thanks to Clarissa Colangelo for help with some Italian sentences and thanks also to Anneleen Masschelein, Stephane Symons and Joost de Bloois for their comments. (FWO (Research Foundation Flanders), SSHRC (Social Sciences and Humanities Research Council of Canada))
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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,004 |
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