Bibliographic record
Abstract
Depuis 1994, j'ai travaillé dans les expériences OPAL et ALEPH au LEP puis dans l'expérience ATLAS au LHC. Dans OPAL, j'ai travaillé sur la physique des mésons D*. J'ai contribué à la mesure de (Z0 c cbar)/ (Z0 hadrons), de l'énergie moyenne des D* xc D* et de la multiplicité moyenne du processus de division gluonique g c cbar, ng c cbar , dans les désintégrations hadroniques du Z0. Par la suite, j'ai travaillé sur la mesure de l'alignement du spin des mésons D*, puis avec George Lafferty, nous avons écrit un article sur les mesures d'alignement de spin des mésons vecteurs dans OPAL. Enfin, j'ai participé à la construction du détecteur Tile Endcap d'OPAL. Dans ALEPH, j'ai travaillé sur la mesure de la masse du W à LEP2. J'ai implémenté le canal e+e- WW q qbar dans l'analyse. J'ai dirigé le groupe Mesure de la masse du W semileptonique au sein d'ALEPH. Nous avons élaboré des méthodes d'ajustements pour déterminer la masse invariante, puis une méthode de repondération de données simulées pour extraire la masse du W à partir de la distribution de la masse invariante. Dans ATLAS, avec Georges Azuelos, nous avons publié un article sur la recherche du radion dans le modèle des dimensions supplémentaires de Randall et Sundrum. Ensuite, avec le thésard que je co-dirigeais, Christophe Le Maner, son directeur Luc Poggioli, et Elzbieta Richter-Was, nous avons publié un article sur la recherche du boson de Higgs produit par fusion bosonique faible avec le Higgs se désintégrant selon H WW l q qbar. Enfin, j'ai participé à l'analyse des données des divers tests en faisceau du SPS dont le but était d'étudier 4 des modules du calorimètre électromagnétique tonneau. J'ai contribué à l'élaboration d'un programme de monitorage, à l'optimisation du code et à la production des coefficients de filtrage optimal et j'ai effectué une étude de la diaphonie dans le détecteur avec son implémentation dans la détermination de ces derniers coefficients. J'ai aussi participé à la construction et au câblage d'un certain nombre de modules du calorimètre électromagnétique argon liquide. J'ai co-dirigé deux théses (C.LeManer: soutenue, F.Tarrade: en cours), et dirigé des étudiants en thèse (B.Raven, E.Thomson) et des étudiants d'été (M.Doucet, I.Trigger). J'ai enseigné au CEGEP au Québec, pendant ma thèse à l'Université de Montréal, puis au CNAM en France. J'ai participé à l'organisation d'un certain nombre de manifestations en physique des particules i.e. PAF, les Houches, Spin Workshop, semaine OPAL. J'ai été invitée à donner des séminaires dans des conférences internationales et nationales i.e. CIPANP2000, Hommage à Trân Thanh Vân, Rencontres du Vietnam. Je participe à des échanges avec d'autres pays : la Pologne et le Maroc. Je m'intéresse à la vulgarisation des sciences et viens de donner une conférence à l'Université de Tous les Savoirs sur la physique aux accélérateurs
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 | 0.006 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.005 | 0.002 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.032 | 0.006 |
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".