Bibliographic record
Abstract
Notre article développe une analyse des méthodes et stratégies de représentation visuelle de la stratification de couches temporelles dans deux disciplines qui visent la datation de phénomènes et d’objets : l’astrophysique et l’archéologie. Cette analyse vise à un inventaire des différents statuts des images mis en jeu par ces deux disciplines dans le but commun de représenter la stratification temporelle. Il s’agit en effet de montrer comment ce même objectif peut impliquer des techniques et des résultats iconographiques très différents dans les deux cas et de voir comment ces différentes solutions peuvent être comparables. Plus spécifiquement, l’analyse sémiotique porte sur la comparaison entre les images produites en astrophysique par l’analyse spectrale (du domaine radio au domaine gamma) et les images produites dans le domaine de l’archéologie, à savoir les images des stratifications des sols et des installations enfouies obtenues à travers des méthodes non invasives, telles la prospection aérienne et les prospections géophysiques. On part de l’hypothèse que les méthodes de fabrication d’images de ces disciplines sont comparables parce que toutes deux relèvent de visualisations qui reconstruisent les données en laboratoire (imagerie), mais on étudie aussi les différents niveaux d’« allographisation » (Nelson Goodman) de ces données requis par les deux disciplines (très élevé dans le cas de l’astrophysique, moins élevé dans le cas de l’archéologie) en faisant l’hypothèse que ces niveaux d’allographisation sont liés et justifiés par des sous-objectifs concernant la représentation de la succession temporelle. En effet, les images en archéologie ont pour but de mettre en évidence les différentes couches temporelles du passé cachées à notre perception directe, tandis que les images en astrophysique visent à construire une mosaïque temporelle du passé, du présent et du futur des astres. La visée principale de l’analyse des corpus consiste enfin à comprendre comment les images incarnent les différents sous-objectifs des deux disciplines : compacter ce qui est diffusé dans l’univers dans un cas, exfolier ce qui est stratifié dans le sous-sol dans l’autre.
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 | 0.003 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.006 | 0.006 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 0.003 |
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".