Bibliographic record
Abstract
Nos cuenta una bibliotecaria que hace unos meses, un canal de television de ambito provincial entro en contacto con los responsables de cultura de su Ayuntamiento, porque querian grabar un programa en diferentes lugares del pueblo. Buscaban “un lugar con solera, un lugar con encanto y un lugar para perderse”. Nos conto tambien que el equipo de grabacion, liderado por una alegre y joven reportera, fue enviado en primer lugar a un yacimiento arqueologico, despues a un bar de reconocidas tapas y rustica decoracion y, por ultimo... a la Biblioteca Publica. Cuando llego a sus puertas, seguida por un esforzado chaval cuyos hombros sostenian la camara, entro “dispuesta a perderse en un laberinto de pasillos, salas y estanterias”. Pero encontro un lugar espacioso, lleno de luz y de paz, que en esas horas de la manana estaba poblado por unos pocos y tranquilos usuarios: unos leian el periodico o charlaban, otros estudiaban y otros hacian alguna consulta en Internet, mientras unos cuantos mas buscaban un libro en las estanterias. Rapidamente se dirigio a uno de ellos, microfono en ristre y le asaeteo a preguntas, a cual mas topicas. Y cuenta nuestra bibliotecaria que de ese usuario paso a otro, y despues a otro, y que no encontrando mas misterio que el que la cualidad humana encierra, exploro una Sala Infantil desierta de ninos. Se marcho con la sensacion de que alli nada se le habia perdido mas que algo del precioso tiempo que tanto valoran los medios.
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 | 0.008 | 0.024 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.008 | 0.013 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
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".