Bibliographic record
Abstract
Ce texte est un document de travail élaboré à l'occasion de multiples interventions en préparation à la retraite. Nous avions pour tâche de préparer les gens à leur retraite, laquelle était compromise par l'absence de références solides sur les impacts psychosociaux de la mise à la retraite. Nous avons alors profité des sessions, principalement des soirées « adaptation à la retraite », pour recenser et explorer avec les participants les événements anticipés et vécus comme importants dans la mise à la retraite. Cette cueillette d'information et cette exploration nous a donné une nomenclature très diversifiée et non systématique des changements appréhendés. Par la suite, nous avons organisé cette information en la regroupant sous des thèmes qui apparaissaient les plus récurrents et les plus susceptibles de rendre compte de la diversité et de la communauté des expériences. Ces thèmes furent ensuite classés selon trois niveaux de transformation : modification du réseau social, du réseau familial et modification de la perception de soi. Nous avions en main un premier tableau pouvant servir de guide à l'intervention. Il fut utilisé comme tel et les résultats nous permirent de le réajuster et de le compléter selon les feed-back vécus. Cela fait, nous disposions d'un portrait global des transformations dûes à la mise à la retraite.
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 | 0.017 | 0.041 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.013 | 0.017 |
| Scholarly communication | 0.014 | 0.014 |
| Open science | 0.004 | 0.008 |
| Research integrity | 0.007 | 0.011 |
| Insufficient payload (model declined to judge) | 0.018 | 0.004 |
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".