Problèmes posés par le nombre restreint de patronymes dans le traitement des généalogies
Bibliographic record
Abstract
L'utilisation des ordinateurs par les chercheurs en sciences humaines et sociales offre des possibilités énormes. L'un des domaines dans lesquels l'application de l'informatique se révèle la plus prometteuse est l'étude socio-démographique et généalogique de communautés humaines. Lorsque la population est nombreuse et le recul historique suffisamment lointain, la quantité d'informations à manipuler est telle qu'il est impensable de pouvoir analyser les données à la main et que l'appel au concours de l'informatique devient indispensable. Dans un article récent, la méthode générale et les premiers résultats obtenus à propos de la paroisse de Bois-Vert ont été décrits. Les auteurs insistaient déjà sur la nécessité d'entrer en machine des informations aussi exemptes d'erreur que possible. C'est ainsi que les opérations de numérotation des individus et de la codification des lieux se font en laboratoire. Après vérification sur carte IBM, un triple contrôle manuel est effectué. Un programme spécial de vérification a été mis au point au Centre de calcul de l'Université de Montréal permettant de dépister des erreurs (absence d'information) ou des incompatibilités qui auraient pu échapper à la vérification manuelle (programme P0PI). L'ensemble de ces opérations est d'une durée variable suivant les caractéristiques des communautés, notamment leur effectif et la profondeur historique ; elles durent toujours plusieurs mois et occupent plusieurs techniciens. Le but du présent texte est d'insister sur une difficulté particulière rencontrée à propos d'une communauté, difficulté à laquelle on se heurte souvent dans les travaux généalogiques : le nombre restreint de patronymes.
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 | 0.014 | 0.066 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 0.002 |
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.
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".