Bibliographic record
Abstract
et Sophie, deux jeunes lectrices 1 Martine Joly : Je suis très honorée de présenter la table ronde de cet après-midi, consacrée à la littérature d'enfance et de jeunesse.Robert Escarpit ne s'est pas contenté d'être un universitaire, il a aussi nourri les rêves de nos enfants, sinon les nôtres.Nous avons tous été des enfants lecteurs, des enfants rêveurs.Robert Escarpit a proposé sa propre vision du monde, de l'imaginaire enfantin au travers en particulier des Contes de la Saint-Glinglin.2 Pour évoquer la littérature d'enfance et de jeunesse, nous avons invité quelques adultes qui entourent deux jeunes filles.Je vous présente d'abord Evelyne Brouzeng, maître de conférences à l'Université Bordeaux 1, spécialiste de la littérature d'enfance et de jeunesse et plus particulièrement des documentaires pour la jeunesse ; Sophie et Julie sont des lectrices de Robert Escarpit, elles commenceront le débat ; Xavier Armange est auteur, éditeur et illustrateur de livres pour enfants ; Annie Gilles est maître de conférences à l'IUFM de Reims et spécialiste elle aussi de la littérature pour l'enfance et la jeunesse.Elle en parle auprès des futurs instituteurs, une particularité non négligeable.3 Nous allons d'abord écouter Julie nous lire ce qu'elle a préparé pour Robert Escarpit.4 Julie : Nous avons fait la connaissance de Robert Escarpit, Sophie et moi, en CE2.Il est venu nous parler de son métier d'écrivain.J'ai beaucoup aimé les Contes de la Saint-Glinglin, Écrire pour l'enfance Communication et organisation, HS N°2 | 2012
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 | 0.004 | 0.026 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.004 |
| Scholarly communication | 0.008 | 0.007 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.009 | 0.021 |
| Insufficient payload (model declined to judge) | 0.053 | 0.023 |
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".