Présentation de six bases de données portant sur les arts et la culture
Bibliographic record
Abstract
Pour compléter le dossier en l’ouvrant à d’autres domaines que la littérature, on trouvera ici des présentations brèves de six bases de données conçues dans le cadre de recherches historiques ou sociologiques portant sur les arts et la culture, à partir de réponses à six questions. Ces questions portaient sur la naissance du projet de base de données, la délimitation du corpus, l’ancrage disciplinaire et/ou théorique du projet, les logiciels utilisés, les résultats scientifiques auxquels ces démarches ont permis d’aboutir, ainsi que sur l’accessibilité des bases ainsi constituées. Le caractère pionnier, la rigueur et l’ampleur des projets de recherche qui leur ont donné naissance ont guidé la sélection des bases présentées : la base de données sur les écrivains, les œuvres et les revues littéraires francophones belges du Collectif interuniversitaire d’étude du littéraire (CIEL) ; la base de données ayant servi à l’édition de la correspondance de Pierre Bayle ; la base de données Chronopéra ; la base Manart, consacrée aux manifestes artistiques et littéraires au xxe siècle ; les bases de données en histoire du livre et de l’édition montées par le Groupe de recherches et d’études sur le livre au Québec (GRÉLQ) ; ainsi que le projet ARTL@S, comprenant notamment une base de catalogues d’expositions.
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 | 0.016 | 0.055 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.019 | 0.022 |
| Science and technology studies | 0.008 | 0.005 |
| Scholarly communication | 0.014 | 0.012 |
| Open science | 0.002 | 0.009 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.039 | 0.010 |
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".