Une bibliothèque numérique à l’épreuve de la déficience : études de cas
Bibliographic record
Abstract
Cet article porte sur les usages possibles d’une bibliothèque numérique par des personnes présentant différentes déficiences (de nature visuelle ou motrice). Ce thème est encore insuffisamment exploré en particulier selon une approche de l’activité située des personnes dans leurs contextes singuliers. La méthode choisie est celle de l’étude de cas : les cas sont développés comme de petites histoires, non exemptes de complications, et croisés avec des fragments de récits issus de nombreux exemples. L'analyse permet peu à peu d’extraire des phénomènes prenant un statut plus générique à même d’apporter des éléments pour l’évolution du livre numérique ; ceci, tant par l’identification des obstacles dans l’usage de ressources externes que par le repérage des ressources internes développées par les sujets. Une des pistes qui ressort est l’importance de développer des systèmes techniques ouverts, capables d’accueillir la diversité des situations et des déficiences, en vue d’une conception plus orientée vers l’usage. La conclusion, qui prend une distance théorique, porte sur le pouvoir d’agir et les ressources mises en œuvre par les lecteurs pour tenter de le restaurer.
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 | 0.004 | 0.021 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.006 |
| Science and technology studies | 0.007 | 0.014 |
| Scholarly communication | 0.011 | 0.010 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.015 | 0.002 |
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".