Bibliographic record
Abstract
PISTES fête ses 10 ans.Comme le temps passe vite n'est-ce pas !Depuis le premier numéro en 1999 que de chemin parcouru : plusieurs problématiques de recherche s'intéressant aux liens entre la santé et le travail ont été abordées, le nombre de lecteurs a augmenté sans cesse, la revue a été indexée dans diverses bases de données de références importantes, plusieurs articles sont maintenant traduits en anglais avec des résumés français, anglais et espagnol, une rubrique de défricheur de pistes a été ouverte, des comptes rendus de livres ont été ajoutés, les comités d'édition et scientifique international se sont élargis pour introduire des chercheurs de nouvelles disciplines, de nouvelles générations, de diverses universités et d'autres pays.Nous voulons particulièrement remercier tous les auteurs et les évaluateurs qui ont collaboré au succès de PISTES.Nous avons bien l'intention de continuer ce travail, nous avons plein de nouvelles idées et, surtout, nous voulons introduire du sang neuf de façon encore plus importante que par le passé.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.002 |
| Scholarly communication | 0.005 | 0.005 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.007 |
| Insufficient payload (model declined to judge) | 0.131 | 0.043 |
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".