Bibliographic record
Abstract
La qualité est présentée ici comme un idéal vers lequel nous tendons sans pouvoir l'atteindre. La principale difficulté qu'éprouvent les personnes soucieuses de la mesurer tient au fait qu'elles se réfèrent le plus souvent à une qualité universelle et globale diffuse et mal définie. Ce problème s'explique également par la difficulté d'en déterminer des indicateurs qui peuvent validement témoigner de la qualité. Après avoir jeté un regard rapide sur l'histoire qui a mené à l'engouement actuel pour la qualité, les auteurs présentent ici un modèle holistique à l'intérieur duquel la qualité globale est éclatée en neuf qualités spécifiques. Il est présumé dans ce modèle que ces neuf qualités spécifiques conviennent à l'ensemble des organisations, des programmes, des services et des interventions. Ces qualités sont définies de manière opérationnelle et mutuellement exclusive afin de se prêter plus facilement à la mesure. Le but premier de ce modèle est d'abord de servir de guide lorsqu'il s'agit de déterminer des indicateurs de la qualité, mais aussi de réfèrent à la mesure de la qualité et à son évaluation.
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 | 0.015 | 0.028 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.006 | 0.008 |
| Science and technology studies | 0.002 | 0.011 |
| Scholarly communication | 0.014 | 0.010 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.018 | 0.007 |
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".