Bibliographic record
Abstract
Au sein des pays de l’OCDE, de nombreux dispositifs destinés à développer le numérique ont été mis en place. Profitant de ce développement technologique, les façons de travailler se diversifient en réponse à la fois au contexte économique (être performant, efficace et efficient) et aux attentes des employés désireux d’une meilleure conciliation entre leur travail et leur vie privée. Le travail à distance s’est accru et prend des formes diverses, telles que le travail à domicile ou la possibilité de travailler hors des murs de son domicile et de son lieu de travail habituel. Cette dernière possibilité peut se concrétiser par la mise en place de tiers-lieux destinés à faciliter la collaboration et le partage des connaissances : espaces de coworking, fab labs, living labs notamment. On observe déjà des implantations de tiers-lieux dans la plupart des pays développés et leur nombre augmente un peu plus chaque année. La recherche sur ces nouvelles formes d’organisation est en pleine effervescence, même si elle est en émergence pour le moment. Notre recherche a pour objet de proposer une synthèse de connaissances sur les tiers-lieux. Les résultats nous permettent désormais de mieux cerner les différences entre ces divers types de lieux et dispositifs. Cet état de l’art a aussi contribué à faire avancer notre réflexion sur leur définition et leur catégorisation. S’il y a un ensemble d’écrits épars sur les tiers-lieux, nos travaux nous ont permis de déceler des manques et insuffisances. Toutefois, les écrits attestent de l’engouement pour ces nouveaux espaces d’échanges et exposent des résultats intéressants quant à l’impact de leur implantation sur les territoires concernés et sur le travail.
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 | 0.016 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.005 | 0.007 |
| Scholarly communication | 0.013 | 0.008 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.020 | 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".