Évaluer la créativité à travers le degré de solidité de ses évaluations. Une approche relationnelle
Bibliographic record
Abstract
Un des principaux obstacles à l’évaluation de la créativité est que ses critères tendent à changer en fonction de ce qui est évalué et de celui ou celle qui fait l’évaluation. Dans cet article, nous avançons qu’il est possible de résoudre ce problème en adoptant une ontologie relationnelle ; c’est-à-dire une ontologie selon laquelle les êtres du monde acquièrent leurs propriétés en entrant en relation avec d’autres êtres. Premièrement, nous montrons les conséquences de cette approche ontologique pour l’évaluation de la créativité : (1) on peut rendre compte de la créativité d’un objet donné (ex. une personne, un produit, ou un processus) en retraçant les êtres (y compris les critères) qui le relient à sa créativité supposée. (2) On peut évaluer la créativité de cet objet en regardant le nombre d’êtres qui participent à cette relation ; c’est-à-dire en regardant ce que nous proposons d’appeler « le degré de solidité » de la relation. (3) On peut ainsi à la fois rendre compte de la spécificité des diverses formes de créativité (notamment leurs critères spécifiques) et les comparer en termes de solidité. En nous appuyant sur ces postulats ontologiques, nous présentons ensuite une nouvelle technique d’évaluation, la Technique de détection des objections (TDO), avant de la mettre à l’épreuve avec un extrait tiré d’une séance de brainstorming.
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) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.005 | 0.003 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.009 | 0.012 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.014 | 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".