Notice bibliographique
Résumé
Depuis la fin du doctorat, j’ai eu la chance, à travers mon travail, de bénéficier de la bienveillance de nombreuses personnes: Gilles Godefroy, Alekos Kechris et Slawomir Solecki se sont chargés de la lourde tâche d’être nommés rapporteurs de ce mémoire. Je les en remercie sincèrement, de même que je remercie Damien Gaboriau, Alain Louveau, Jaroslav Neˇsetˇril, Stevo Todorcevic et Alain Valette de l’honneur qu’ils me font en acceptant de faire partie du jury. Je remercie aussi Jérôme Los, Laurent Regnier, et tous ceux qui ont fait en sorte que ce mémoire puisse être soutenu. Les résultats présentés ici ont été obtenus en différents coins du globe, mais trois d’entre eux méritent d’être cités à part: Calgary, Neuchâtel et Marseille. Rien de cela n’aurait été possible sans Claude Laflamme, Norbert Sauer, Alain Valette, et sans les membres de la clique marseillaise responsable de ma prise de poste au LATP. Pour cela, je tiens à leur adresser ma plus sincère gratitude. Ces mêmes résultats ont souvent été obtenus en (joyeuse) collaboration, et/ou
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 | 0,006 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,013 | 0,006 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,484 | 0,343 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».