Le Québec, un endroit privilégié pour la formation en bibliothéconomie et en sciences de l’information
Bibliographic record
Abstract
Alors qu’il existe 56 écoles réparties dans toute l’Amérique du Nord offrant une maîtrise en bibliothéconomie et sciences de l’information reconnue par l’American Library Association — dont sept écoles établies au Canada —, on pourrait croire que la formation dans ce domaine au Québec est un simple reflet de la formation américaine ou canadienne. Même si les deux écoles québécoises sont construites sur le modèle nord-américain, quelques traits les distinguent pourtant de leurs consoeurs. Le premier est qu’elles sont toutes deux situées dans la même ville, à Montréal, sans pour autant se livrer une quelconque concurrence. Les échanges entre les deux écoles sont fréquents, les professeurs sont parfois indifféremment passés par l’une ou l’autre formation. Le second trait original, qui explique en partie le premier, est qu’elles reflètent la diversité linguistique du Canada : l’une est anglophone, l’École des sciences de l’information (ÉSI) à l’université McGill, et l’autre est francophone, l’École de bibliothéconomie et des sciences de l’information (EBSI) à l’Université de Montréal. L’une et l’autre sont en forte croissance, ont renouvelé leurs équipes professorales et développent des programmes de formation innovants. L’article présente les éléments marquants de l’histoire des deux écoles, leurs missions et leurs visions respectives, de même que les défis particuliers qu’elles doivent relever.
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 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.008 | 0.018 |
| Science and technology studies | 0.015 | 0.007 |
| Scholarly communication | 0.014 | 0.006 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.037 | 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".