Bibliographic record
Abstract
De problématiques cruciales liées à l’élaboration d’une mémoire historique aux enjeux moins investis socialement — du moins en apparence — d’une recherche de poster décoratif, les collections d’images suscitent de multiples intérêts et attentes pour devenir un objet majeur de réflexion autant pour les établissements et services qui les conservent et les diffusent que pour les historiens analystes ou le citoyen usager. En observant la mise en ligne de collections d’images, on peut relever certains traits singularisant des pratiques du Web qui construisent une forme de scène énonciative toujours utile à décrypter pour comprendre les caractéristiques de l’information et de la communication attachées à la mise en visibilité du document et à l’offre documentaire. Sous la forme traditionnelle référée au modèle d’une collection de bibliothèque ou sous la forme de sites utilisant les possibilités de la coopération et de l’indexation sociale, ou encore quand l’image joue du paradoxe privé-public dans le cas des blogs individuels, les usages et réceptions actuels des images ne peuvent qu’interroger une iconologie soucieuse d’étudier non seulement leurs contenus mais aussi, au travers des exemples multiples de mises en relation, la pratique même de la collection.
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 | 0.004 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.005 | 0.006 |
| Science and technology studies | 0.009 | 0.020 |
| Scholarly communication | 0.016 | 0.017 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.020 | 0.003 |
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".