MétaCan
Menu
Back to cohort
Record W2057976217 · doi:10.7202/038801ar

Analyse des images scientifiques par le concept d’observation

2010· article· fr· W2057976217 on OpenAlexvenueno aff
Vincent Israël-Jost

Bibliographic record

VenueProtée · 2010
Typearticle
Languagefr
FieldComputer Science
TopicCultural Insights and Digital Impacts
Canadian institutionsnot available
Fundersnot available
KeywordsPhilosophy

Abstract

fetched live from OpenAlex

Une partie importante des images scientifiques sont produites dans le but d’ observer des entités ou des phénomènes, c’est-à-dire d’obtenir à leur sujet une connaissance sûre, acquise par des moyens aussi directs que possible. Ce rôle des images et des instruments qui les produisent a été évalué par les philosophes, en particulier depuis le début des années 1980, pour tenter de comprendre si l’emploi du terme « observer » est justifié dans le cas où une chaîne complexe d’instrumentation est mise en place pour produire des images. Dans ce cas, en effet, on peut craindre une contamination des images à la fois par des artefacts, en cas de défaut du dispositif expérimental, et par les théories sur lesquelles repose ce même dispositif. Sans se prononcer sur la validité des instruments pour l’observation dans le présent travail, nous décrivons en quoi les analyses philosophiques relatives à cette question sont insuffisantes pour rendre compte de l’utilisation réelle qui est faite des images par les scientifiques. Nous tirons deux éléments importants de cette analyse : d’une part, la nécessité de considérer une image à la lumière d’un contexte scientifique spécifique qui donne l’objectif de la démarche expérimentale et précise ce que l’on tente d’observer et, d’autre part, le fait que des phénomènes de la plus grande variété peuvent être représentés sur une image. Ce deuxième aspect s’oppose à l’idée très généralement partagée par les philosophes que seules les propriétés spatiales des entités pourraient être explorées par l’image. Pour importants que soient ces aspects de forme, d’échelle et de localisation, il faut les compléter d’abord par la possibilité d’explorer des propriétés physiques détectables, telles que la luminosité, la radioactivité, etc., et ensuite, en introduisant la notion de propriétés de haut niveau , propres à chaque domaine des sciences. Nous ouvrons ainsi la question de savoir si l’on peut observer des phénomènes aussi divers que la perfusion cardiaque, la production d’énergie dans le noyau solaire, la région des émotions sur des images cérébrales de résonance magnétique fonctionnelle, etc.

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 imitation

Not 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.

metaresearch head score (Codex)0.006
metaresearch head score (Gemma)0.013
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesScience and technology studies
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Theoretical or conceptual · Consensus signal: Theoretical or conceptual
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.997
Threshold uncertainty score0.040

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0060.013
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0040.003
Science and technology studies0.0030.022
Scholarly communication0.0120.015
Open science0.0010.003
Research integrity0.0030.005
Insufficient payload (model declined to judge)0.0120.002

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.

Opus teacher head0.228
GPT teacher head0.326
Teacher spread0.098 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

Study designTheoretical or conceptual
Domainnot available
GenreEmpirical

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".

Quick stats

Citations3
Published2010
Admission routes1
Has abstractyes

Explore more

Same venueProtéeSame topicCultural Insights and Digital ImpactsFrench-language works237,207