Le traitement et la diffusion du fonds Armand-Frappier (ou comment être opportuniste en huit leçons)
Bibliographic record
Abstract
Cet article nous relate les différentes étapes qui ont mené à la diffusion du Fonds Armand-Frappier. Ce fonds, déposé aux archives de l’Institut national de la recherche scientifique (INRS, une constituante du réseau de l’Université du Québec), illustre le parcours de cet homme qui eut une influence importante sur l’évolution des sciences au Québec. C’est le 25e anniversaire du décès du Dr Frappier qui a fourni le prétexte à ce projet de diffusion qui a finalement compris une exposition virtuelle et un programme de conférence. Pour arriver à leurs fins, l’équipe du service des archives de l’INRS a fait preuve de créativité et d’opportunisme afin d’aller chercher ressources et financement. Le projet a demandé dans un premier temps un nouveau traitement du fonds et a fait surgir de nombreuses questions quant au passage d’un format de description à un autre ainsi que sur les outils technologiques à utiliser. L’auteur aura retenu huit leçons au cours de ce projet. Il nous les livre ici par la description de sa mise en oeuvre. Ces leçons concernent, entre autres, la capacité de vendre notre idée, celle de saisir les opportunités et la nécessité de bien choisir ses collaborateurs et partenaires. Il revient également sur certains éléments de gestion, tels que l’évaluation du temps requis et l’utilité du plan B. Il nous incite finalement à réaliser la richesse de nos fonds et de l’intérêt qu’ils suscitent chez les jeunes. Cet article nous démontre qu’avec de l’initiative et la maximisation des programmes à notre disposition, il est possible de réaliser des projets qui deviennent des réussites.
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 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.013 | 0.007 |
| Scholarly communication | 0.010 | 0.005 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.023 | 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".