Bibliographic record
Abstract
Des affaires judiciaires de matchs truqués liés aux paris touchent régulièrement la ligue taïwanaise de baseball professionnel depuis le milieu des années 1990. Elles impliquent chaque fois un grand nombre de joueurs et d’entraîneurs, des personnalités politiques locales et des membres de la police. L’acte de tricherie constitue une rupture du contrat moral qui lie les joueurs professionnels à leurs supporters. Ces joueurs sont le plus souvent désignés par l’animal emblématique de leur club auquel est attachée l’épithète « noir », qui souligne la perception négative de ces agissements et les relie implicitement aux organisations criminelles qui contrôlent le milieu des paris. Ces pratiques de corruption sont imbriquées aux réseaux étendus d’interconnaissance dans lesquels les joueurs s’inscrivent. Ces derniers se trouvent ainsi pris entre plusieurs espaces d’obligations sociales et sous la menace d’une radiation à vie de la ligue. Une analyse des matchs truqués relatifs aux paris permet d’appréhender comment les valeurs morales structurent la pratique du baseball à Taïwan et la façon dont elles sont négociées.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.019 | 0.001 |
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".