Notice bibliographique
Résumé
r em erci em e n tsMa gratitude va d'abord à mes parents, à qui je dois énormément, ainsi qu'au reste de ma famille : mon frère Éric, ma grand-mère Florence, mon oncle Jean-Pierre et tous les autres, Marie y compris.Plusieurs amis m'ont épaulé durant les dernières années, et je leur en suis très reconnaissant : Laurent Samson, Francis Fournier, Cosmin Dina, Steve Robitaille et de nombreux autres.Merci aussi à Pierre Poupart, Robert Gendreau, Alix Poulin, Michel Grenier pour leur écoute et leur soutien moral.Ce livre est le fruit d'une thèse de doctorat achevée en 2017 à l'Université de Montréal.Je remercie chaleureusement mon directeur de thèse, Marcello Vitali Rosati, ainsi que mon codirecteur, Michael Eberle Sinatra, pour leur aide précieuse et leur ouverture d'esprit.Depuis l'école primaire, des enseignants m'ont inspiré et m'ont donné le goût de la connaissance.Je tiens à témoigner une reconnaissance particulière à certains d'entre eux : Paul Chaballe, Nicole Borremans, Jean-Serge Baribeau, Stéphane Leclerc, sans oublier le mémorable Jean-Claude Richard.De même, durant mon doctorat, certains professeurs de l'Université de Montréal ont joué un rôle important pour moi : merci à Benoît Melançon, Michel Pierssens et Serge Cardinal.Ma reconnaissance va également à Wladimir Krysinski, mon ancien directeur de maîtrise, ainsi qu'à Françoise Lionnet, qui a dirigé mes recherches postdoctorales alors que je terminais la rédaction de ce livre.Je remercie tout autant Jean-François Chassay, professeur fort apprécié durant mon baccalauréat à l'Université du Québec à Montréal et directeur de la collection « Cavales » aux Presses de l'Université de Montréal, qui a lu et annoté mon manuscrit avec une grande rigueur
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 | 0,008 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,272 | 0,147 |
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 ».