Bibliographic record
Abstract
Une large part des vastes quantités d’informations produites dans le monde est d’origine numérique et se présente sous une grande diversité de formats : texte, base de données, son, film, image. Pour les institutions culturelles, qui ont traditionnellement la charge de recueillir et de préserver le patrimoine culturel, il est devenu extrêmement urgent de savoir quels sont les matériaux qu’il convient de conserver pour les générations futures et comment il faut procéder à leur sélection et à leur préservation. Ce gigantesque trésor d’informations numériques, produit aujourd’hui dans presque tous les domaines de l’activité humaine et conçu pour être accessible sur ordinateur, risque d’être perdu si l’on ne développe pas des techniques et des politiques spécifiques en vue de le conserver. L’intérêt que porte l’UNESCO à cette situation n’a rien de surprenant. Cette organisation internationale existe en partie pour encourager et permettre la conservation et la jouissance du patrimoine culturel, scientifique et informatif des peuples du monde entier. Elle ne pouvait négliger l’augmentation du patrimoine numérique et sa vulnérabilité.
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 | 0.005 | 0.014 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.004 | 0.006 |
| Science and technology studies | 0.005 | 0.011 |
| Scholarly communication | 0.011 | 0.008 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.056 | 0.005 |
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".