Bibliographic record
Abstract
L’OIF regroupe aujourd’hui 80 États dont 57 de plein exercice, soit près de la moitié des États dans le monde qui ont souhaité la rejoindre. Un tel rassemblement est significatif ! Pourtant, la Francophonie est en péril. Regrouper des pays francophiles, mais dont seulement 32 ont le français comme langue maternelle ou officielle, est en fait un risque de dilution. Qui connaît l’OIF parmi les citoyens des États qui la composent ? Avec un modeste budget de 80 millions d’euros que peut-elle vraiment faire ? La France, elle-même, ne croit plus à la Francophonie. Qui a entendu notre Secrétaire d’État à la Francophonie s’exprimer et qui connaît son nom ? A Dakar, lors du dernier Sommet de la Francophonie, le président Hollande, en laissant les canadiens à la manœuvre, a permis l’élection, par défaut, de Mme Jean, au poste de Secrétaire générale de l’OIF. Il faut que la France se réveille. Si rien ne se passe, l’OIF deviendra un cadre creux. Le chantier est immense. Le temps est venu d’une troisième Francophonie politique, économique et culturelle, dont l’ambition sera de construire un pôle d’équilibre et de régulation de la mondialisation. Mme Jean voudra-t-elle endosser et mettre en œuvre cette troisième Francophonie ? Si oui, la Francophonie a un vrai avenir ; si non, elle est réellement en péril.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.010 | 0.004 |
| Scholarly communication | 0.011 | 0.006 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.109 | 0.031 |
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".