Archives et géographie : typologie, caractéristiques et perspectives
Bibliographic record
Abstract
Dans cet article, Laetitia Le Clech fait le survol de différents enjeux et particularités qui touchent la conservation des archives géographiques. En plus des cartes, ces dernières comprennent également des photographies et images, ainsi que certaines études de terrain. Elle présente dans un premier temps quelques exemples de traitement de documents cartographiques en différents endroits, en plus de nous exposer les défis particuliers que posent ces documents. Les archives géographiques ont de multiples utilités, que ce soit dans le domaine historique, en géopolitique ou même dans le développement de politiques gouvernementales. L’auteure en fait la recension et illustre chacun de ces usages par des exemples. Elle donne ensuite un aperçu de la conservation des documents cartographiques suite à l’avènement de l’ère du numérique. En effet, tout comme pour d’autres types d’archives, ce contexte amène son lot de questionnements et de nouvelles pratiques, que ce soit par la numérisation dans le but de les conserver et de les diffuser, mais aussi par la nécessité de se préoccuper de l’obsolescence des supports et d’établir de nouvelles normes. L’auteure termine son texte en nous présentant diverses initiatives de diffusion et de création qui sont issues de ces nouvelles possibilités qu’offre le monde numérique. Elle ne manque pas en passant de nous mettre en garde contre certains abus et de plaider pour un encadrement renforcé afin de mieux mettre en valeur ces documents bien particuliers.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.007 | 0.012 |
| Science and technology studies | 0.007 | 0.018 |
| Scholarly communication | 0.019 | 0.008 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.013 | 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".