Partager le patrimoine numérique, construire le territoire en ligne
Bibliographic record
Abstract
Les expositions virtuelles fleurissent sur la toile. Les inventaires patrimoniaux et les collections muséales en ligne se structurent et s’enrichissent, tissant de denses réseaux de connaissances dans le cyberespace. Des projets de musées virtuels de plus en plus audacieux voient progressivement le jour. Le champ de la cybermuséologie se construit ainsi dans l’entrecroisement d’un héritage institutionnel fort et de pratiques en constant développement. Si l’on s’intéresse de prime abord à la frénésie technologique qui justifie le renouvellement des pratiques et l’intérêt des publics, il faut cependant, pour quelques instants, abandonner la forme pour tenter de comprendre les projets qui sous-tendent de tels déploiements. Les expériences de collaboration citoyenne et communautaire qui visent la conservation et la diffusion d’un petit patrimoine tantôt matériel, tantôt immatériel, offrent à cet égard un terrain remarquable pour saisir les dynamiques sociales, identitaires à l’oeuvre dans le virtuel. À travers l’étude de trois projets associés à la collecte de mémoires – Dane Wajich. Contes et chants : les rêveurs de leur terre (2007), le Musée de Toronto en ligne (2011) et Sacrée montagne (2011) –, nous tenterons de dégager quelques contributions possibles de la cybermuséologie à la mise en valeur d’un patrimoine parfois méconnu, voire invisible, et de saisir les effets sur la constitution de territoires alternatifs d’appartenance.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.006 | 0.009 |
| Scholarly communication | 0.012 | 0.012 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.050 | 0.010 |
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".