Bibliographic record
Abstract
KIM SOLGAJ'ai vécu ma première expérience formatrice du travail d'édition bien avant de devenir moimême éditrice.C'était au début des années 2000, et suivant le conseil d'un de mes professeurs, je venais de transformer en article une dissertation sur Mère courage et ses enfants qui m'avait valu une note particulièrement bonne.Mes amis et mes mentors m'ayant conseillé de viser haut, j'ai envoyé l'article à Theatre Journal (après l'avoir révisé, bien sûr, mais en négligeant, comme j'allais bientôt le découvrir, d'en faire un travail d'édition).Quelques semaines plus tard, j'ai reçu une jolie lettre de refus du rédacteur en chef de l'époque, David Román.Ce dernier m'a écrit des choses très gentilles au sujet de mon texte, mais la conclusion de sa missive a tout de même eu un effet dévastateur sur moi : il n'était pas prêt à le soumettre à un examen par des pairs.J'étais abattue.Ce texte m'avait valu tant de louanges de mon professeur sur ses forces théoriques et son originalité.Comment M. Román ne pouvait-il pas être du même avis?Étaitce parce que même mes meilleurs efforts ne suffiraient tout simplement pas?J'ai versé quelques larmes, j'ai écrit à mon meilleur ami pour me vider le cœur (ce dernier, encourageant comme toujours, m'a appuyé en se fâchant lui aussi), puis, après un temps de deuil, j'ai contacté Joanne Tompkins.Joanne (avec Ric Knowles et Bill Worthen) était ma superviseure (et l'une des rédactrices en chef) à Modern Drama, où je travaillais à l'époque comme adjointe à la rédaction.C'est à moi que revenait la responsabilité de vérifier les citations-une tâche d'assistanat dont peu de gens connaissent l'existence, mais qui est absolument essentielle dans tout organe de publication-, et grâce à ce travail (et au soutien généreux de Bill, de Joanne et de Ric), j'ai appris, lentement mais sûrement, à quoi ressemble un bon article au moment d'arriver dans la boîte de réception d'un éditeur, comment évolue ce texte au fil d'un travail d'édition minutieux, et surtout, à quel point il peut inévitablement y rester des petites erreurs de formatage et de citation, même à la toute fin du processus.(La plus grande leçon que j'ai tirée de mon emploi chez Modern Drama est la suivante : vérifiez toujours vos citations avant d'envoyer votre texte!)Comme Joanne était ma mentore, je savais que je pouvais compter sur elle pour m'aider à traverser ce moment de difficulté rédactionnelle.Je lui ai demandé de lire mon article (dans sa version refusée) et de me livrer ses impressions ; elle a gentiment accepté de le faire.Ce qu'elle m'a dit m'a marqué à vie.Non seulement je n'ai jamais oublié ses conseils, mais j'en fais un point d'honneur de les transmettre à tous mes étudiants de deuxième et troisième cycles, de même qu'à tout auteur en émergence (jeune ou moins jeune) avec qui je fais un travail d'ordre éditorial.Premièrement, un travail universitaire ne peut pas être publié tel quel dans une revue : c'est un tout autre type de document (tout comme une demande subvention n'est pas un travail universitaire ou un article) régi par un tout autre type de convention (et même, parfois, une tout autre structure).Deuxièmement, on n'a pas à s'éterniser sur les écrits déjà parus sur
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.002 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.004 |
| Science and technology studies | 0.007 | 0.003 |
| Scholarly communication | 0.013 | 0.003 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.340 | 0.113 |
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".