Introduction des micro-ordinateurs dans l’élaboration des données au programme de recherche en démographie historique
Bibliographic record
Abstract
Le Programme de recherche en démographie historique (P.R.D.H.) du Département de démographie de l’Université de Montréal s’est donné pour tâche de reconstituer, à partir des registres paroissiaux, la population du Québec, de ses origines à 1850. Contraint d’utiliser les ordinateurs puisqu’une telle entreprise implique la manipulation de masses considérables d’informations, le P.R.D.H. a dû mettre au point un processus d’élaboration des données qui soit adapté à l’informatique. Ce processus comprend une série d’opérations distinctes : le dépouillement, le contrôle de l’intégralité du dépouillement, le codage, la mise en ordre chronologique, la perforation, la détection des erreurs et leur correction. Quoique livrant des données d’une excellente qualité, ce processus s’est montré trop lent et onéreux pour être utilisé sur de très grandes quantités de données. Heureusement l’avènement des micro-ordinateurs a permis au P.R.D.H. d’améliorer le processus en éliminant certaines étapes et en facilitant les autres. Cette expérience est d’un grand intérêt puisqu’elle constitue la première utilisation sur une grande échelle de micro-ordinateurs dans un processus d’élaboration des données tirées de documents très anciens.
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 | 0.029 | 0.042 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.006 | 0.011 |
| Science and technology studies | 0.004 | 0.008 |
| Scholarly communication | 0.013 | 0.007 |
| Open science | 0.003 | 0.004 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.030 | 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".