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
HitchBot est un robot auto-stoppeur créé par un laboratoire canadien en 2014, pour étudier les interactions entre les hommes et les machines. Il a la taille d’un enfant de six ans ; il a été fabriqué avec des matériaux simples pour ne pas tenter les voleurs : ses bras et ses jambes sont des frites de piscine ; il communique grâce à une intelligence artificielle, une reconnaissance vocale lui permettant de comprendre ce qu’on lui dit, d’avoir une conversation simple ; il prend des photos toutes les vingt minutes. Après avoir parcouru le Canada d’est en ouest, soit 10.000 km en 26 jours, il a été retrouvé démembré à Philadelphie… Qui a tué HitchBot, et pourquoi ?Entre fiction et documentaire, Killing Robots est une enquête sur le premier “roboticide” de l’histoire. À partir des photographies prises par la victime, trois comédiens, le musicien Mike Ladd ainsi qu’un robot conçu pour la scène, partent sur les traces des derniers jours de HitchBot. Que s’est-il passé entre les humains et ce petit personnage bricolé ? Quelle place a–t-il occupé dans les salles à manger, dans les chambres et salles de bain ? Comment peut-on s’attacher et développer une relation intime avec une machine qui simule ? On se délecte devant les hypothèses qui se succèdent, plausibles ou extravagantes, et, alors que l’écriture de Linda Blanchet joue habilement des échanges avec l’intelligence artificielle, le plateau se fait le lieu d’une plongée délirante et profondément juste dans les recoins de la conscience humaine.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,004 | 0,007 |
| Études des sciences et des technologies | 0,005 | 0,005 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,033 | 0,002 |
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