Bibliographic record
Abstract
Me gustaria comenzar esta presentacion aclarando el motivo por el que estoy aqui. Estoy empleado por el Programa de Interpretacion del Servicio de Vida Silvestre de Canada, pero estoy presentando esta ponencia como miembro del Comite Ejecutivo de la Asociacion de Interpretes Canadienses (ACI), asociacion fundada en octubre de 1975. Como organizacion de caracter profesional, nuestro objetivo principal es unir y facilitar la comunicacion y cooperacion entre personal de patrimonio natural, patrimonio cultural y de museos, contratados en Canada en el ambito de la interpretacion. Las funciones principales de la ACI son la produccion de un boletin de interpretacion, la celebracion de talleres anuales y el apoyo a la formacion en las secciones regionales. Cuando se constituyo nuestra Asociacion, teniamos una base y unos cimientos bastante solidos desde los que trabajar. Hubo una constitucion, se habia elegido un comite ejecutivo, y se habian aprobado unos objetivos. Sin embargo, nuestra membresia tenia una preocupacion particular: que queria decir la palabra interpretacion. Los miembros expresaban esta inquietud, y con razon, porque en cada uno de los objetivos de la ACI aparecia la palabra interpretacion. En aquel momento eramos unos 150 socios, y un analisis del perfil societario revelaria que todos teniamos distintos tipos de trabajo y distinta formacion, y que trabajabamos para diferentes instituciones. Como resultado de eso, cada uno teniamos una diferente vision de lo que significaba esto de la interpretacion. ?Como podriamos organizarnos para lograr los objetivos si cada uno estaba trabajando con concepciones distintas? Parecia que se requeria desarrollar una “definicion de interpretacion” que fuera comun para los miembros, tanto en debates como en trabajos de la ACI.
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 | 0.008 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.005 | 0.029 |
| Scholarly communication | 0.015 | 0.021 |
| Open science | 0.003 | 0.005 |
| Research integrity | 0.004 | 0.006 |
| Insufficient payload (model declined to judge) | 0.014 | 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".