Bibliographic record
Abstract
Rédacteur en chefLa RFG fait son cinéma N ous sommes en 2018, et qu'ils paraissent loin, déjà, les temps pas si anciens… 2012, lorsque la RFG était classée rang 4 Fnege et rang 4 CNRS.Doucement mais sûrement, la revue était poussée vers la sortie et donc la pré-retraite scientifique.Une revue de langue française, sans ambition internationale donc, à quoi cela pouvait-il encore servir ?Sonnée, K.O., prête à être « descendue des plateaux de sono académiques » par des revues d'associations plus belles et plus fortes qu'elle, la RFG n'avait plus qu'à méditer les chansons d'Alain Souchon.Et se dire que décidément, dans les arts, les affaires, comme les sciences, il arrive toujours un moment où on a fait son temps.Sauf à avoir produit des chefs-d'œuvres.2013, in extremis pour ne pas diredéjà !de haute lutte, un petit sursis a été accordé : la remontée en rang 3 dans la liste FNEGE élaborée par le collège des associations académiques… Parce que quand même, subsistait ce doute : elle avait beau être francophone, elle avait beau être généraliste, la RFG portait beau sous Google Scholar : n° 1 des revues francophones à l'époque, toutes catégories confondues.Un sursis utile, qui permettait au moins de réamorcer la pompe des soumissions et donc de stimuler aussi les évaluateurs.2014, la RFG a pris l'initiative de proposer un partenariat académique aux équipes de Xerfi Canal Productions TV.Quatre ans plus tard, plus de 200 interviews de recherche et des
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.003 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.070 | 0.015 |
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".