Bibliographic record
Abstract
À l’occasion des 30 ans de l’OCIM, La Lettre de l’OCIM propose à ses lecteurs, dans chaque numéro de l’année 2015, un retour sur un article marquant de l’histoire de la revue. À partir d’un corpus d’articles choisis par la rédaction de La Lettre de l’OCIM, les membres du comité des Publications de l’OCIM ont sélectionné plusieurs contributions. Dans cette perspective, il a été demandé à l’auteur ou à un expert du domaine de revisiter la problématique exposée dans l’article à la lueur des changements intervenus – notamment dans les pratiques professionnelles – depuis son écriture et de proposer des éléments prospectifs sur la question.À la lueur de son expérience au musée d’Ethnographie de Neuchâtel, l’auteur réexamine la problématique de la mise en son des espaces muséaux abordée par Luc Martinez dans l’article « Oyez ! Le son s’expose » publié dans le n° 107 de La Lettre de l’OCIM de septembre-octobre 2006, en posant la question du sens et de la fonction et de l’échange entre le muséologue et le designer sonore.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.006 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.008 | 0.036 |
| Scholarly communication | 0.009 | 0.009 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".