Bibliographic record
Abstract
Les développements technologiques contemporains en matière d’infrastructures numériques permettent d’observer de nouvelles formes de travail, voire de nouvelles catégories de travailleurs, dans les milieux scientifiques. Basé sur une étude ethnographique d’un réseau américain de chercheurs en écologie, cet article s’attache au travail des gestionnaires d’information (information managers), « techniciens invisibles » responsables de la gestion des données scientifiques au sein des laboratoires. Il montre comment le développement d’un projet de très grande base de données s’accompagne de processus de mise en visibilité et invisibilité des gestionnaires d’information et de leur travail, et discute des enjeux de la mise en invisibilité des activités de documentation des données en particulier, sur les processus de production des connaissances scientifiques. L’invisibilité des gestionnaires d’information apparaît reliée à un aspect fondamental de leur travail, en l’occurrence un « travail d’articulation » caractérisé par des activités de bricolage, de traduction et d’effacement. Le travail des petites mains de la gestion et de la documentation des données dans les sciences est sans cesse à refaire et à réinventer.
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 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.005 | 0.020 |
| Scholarly communication | 0.015 | 0.014 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.005 | 0.005 |
| Insufficient payload (model declined to judge) | 0.033 | 0.009 |
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".