Bibliographic record
Abstract
Qu’est-ce que « créer » dans un contexte interdisciplinaire tel que l'IRCAM (Paris) hybridant arts, sciences et technologies numériques ? Quelles catégories permettent de décrire ce type de création, quels critères permettent d’en évaluer le succès, quelles stratégies permettent de les pérenniser et de les diffuser ? S’il existe, en sciences humaines et sociales, des travaux fondateurs sur la création artistique (Alpers, 1988 ; Bourdieu, 1992), la recherche scientifique et de l’invention technologique (par ex. Fleck, 2005 [1935] ; Latour & Woolgar, 1979), en revanche les cadres théoriques et les enquêtes empiriques se font rares dès lors qu’on s’intéresse à des objets hybrides, coproduits par des domaines, des acteurs et des modes d’évaluation hétérogènes. L’intense développement des démarches interdisciplinaires depuis la fin du XXe siècle, ainsi que l’émergence d’arts nativement informatiques et numériques, obligent les sciences sociales à dépasser les frontières communément admises entre domaines d’études. Mais la nécessité de concevoir des cadres d’analyse adaptés aux innovations en art-science-technologie se fait sentir d’autant plus vivement aujourd’hui que cette triple intersection apparaît comme un lieu stratégique pour repenser de façon plus générale les modes d’organisation du travail (Menger, 2002 ; Fourmentraux, 2011) et les modes de production du savoir (Risset, 1998 ; Dautrey 2010).
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 | 0.003 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.003 | 0.006 |
| Science and technology studies | 0.005 | 0.030 |
| Scholarly communication | 0.019 | 0.010 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.005 | 0.005 |
| Insufficient payload (model declined to judge) | 0.027 | 0.006 |
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".