Les paradigmes de la revue Criminologie : auteurs, revues et disciplines qui ont marqué son histoire
Bibliographic record
Abstract
Cet article vise à décrire les influences intellectuelles de la revueCriminologie. Pour ce faire, les 19 813 références faites par les articles publiés dans la revueCriminologieau cours des 40 dernières années sont analysées de manière à dégager l’influence qu’elles ont pu avoir sur les auteurs de la revue. Les auteurs, revues et disciplines les plus influents sont répertoriés et mis en relation avec les caractéristiques des articles qui les citent. Les résultats montrent que le savoir qui inspire les auteurs de la revue est très décentralisé : aucun auteur ou revue ne peut prétendre avoir un ascendant sur un nombre important d’auteurs deCriminologie. Les auteurs et les revues les plus cités sont ceux qui ont su se diversifier et retenir l’attention d’un large auditoire qui travaille avec des traditions de recherches différentes.
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 | 0.030 | 0.037 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.011 | 0.009 |
| Science and technology studies | 0.010 | 0.035 |
| Scholarly communication | 0.024 | 0.021 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.005 | 0.008 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
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".