Le respect de la Loi sur le droit d’auteur à partir de la plateforme de gestion de cours Claroline à l’UQAR : enjeux, aspects juridiques et modalités d’application
Bibliographic record
Abstract
En plus de cerner les multiples facettes de l’environnement technologique dans lequel évoluent les universités et les bibliothèques, les auteurs identifient les principaux enjeux d’ordre juridique que soulève le partage de l’information, des savoirs et des connaissances à partir d’un environnement numérique. La diffusion des ressources numériques d’apprentissage est soumise à de multiples contraintes juridiques associées au respect de la propriété intellectuelle, lequel touche plus spécifiquement la diffusion en ligne d’une oeuvre, sa reproduction, sa transformation ou bien encore son intégration à un autre document par les membres d’une communauté universitaire. Les moyens mis en place à l’Université du Québec à Rimouski (UQAR), grâce à la plateforme Claroline, tiennent compte du contexte de mutualisation de contenus mis en ligne par des acteurs de plus en plus orientés vers le Web sémantique. Ce texte fait finalement ressortir les principales contradictions que suscite l’application de la Loi canadienne sur le droit d’auteur en lien avec la mission éducative des institutions d’enseignement et celle des bibliothèques dans leur rôle de soutien à l’enseignement et à la recherche à l’ère d’Internet.
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 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.006 | 0.009 |
| Scholarly communication | 0.013 | 0.006 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.023 | 0.005 |
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".