La normalisation algorithmique dans la réalisation itérative des projets
Notice bibliographique
Résumé
L’itération est une méthode de réalisation de projets qui consiste à expérimenter plusieurs hypothèses en même temps ou successivement. Une hypothèse est provisoirement validée à l’aune de données algorithmiques comme le nombre d’utilisateurs et la fréquence d’utilisation, selon une conception pragmatique de la vérité. Mener un projet selon une méthode itérative, c’est donc renoncer à s’orienter en fonction d’un idéal conçu a priori de manière cohérente et à défendre une conception cohérentiste de la vérité. Certes, le sujet ne cesse pas de légiférer, car l’objectivation, y compris algorithmique, est une construction normée du réel. Cependant, il tend à remplacer la norme comme règle par la norme comme moyenne. Pourtant, cette méthode implique une circularité : les projets étant réalisés en fonction de comportements normalisés par des dispositifs disciplinaires, ils participent à ce pouvoir disciplinaire et normalisent non seulement les comportements actuels mais aussi les projets futurs. C’est donc un enjeu politique que d’échapper à la gouvernance par les nombres pour recouvrer un gouvernement par la Loi. C’est à cette condition que des projets communs, expression de la volonté générale, pourront être le fruit d’une recherche démocratique des fins à poursuivre, ce qui est impératif à l’ère de la catastrophe environnementale.
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 | 0,014 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,007 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 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 ».