Bibliographic record
Abstract
Hélène notait tout, que ce soit des listes d'épicerie, des budgets, des rendez-vous dans un agenda ou des poèmes griffonnés dans des petits cahiers.Elle conservait tous ses papiers avec une organisation épatante.La discipline et l'organisation de ma mère lui ont permis de bien organiser ses archives, ce qui m'a facilité la tâche et qui a aussi aidé l'Université de Sherbrooke au moment de la réception du don.Si le processus d'archivage est très intéressant, il peut sembler compliqué et long pour quelqu'un qui se tient à l'extérieur, comme moi.À travers le processus, j'ai non seulement appris des choses sur les archives institutionnelles, mais j'en ai aussi appris sur ma mère.Quand j'étais adolescente, il y avait des boîtes mystérieuses dans des endroits reculés de la maison, comme en haut de la laveuse ou dans le garde-robe de ma mère.Elles contenaient des cahiers et des agendas numérotés par années.Ces cahiers et agendas racontaient sa vie.Je m'imaginais un jour passer à travers chacun des cahiers et des agendas d'Hélène.Je voulais découvrir ses secrets de jeunesse, les choses qu'elle ne voulait pas me dire (même si elle me disait presque tout), et comment elle menait sa vie lorsqu'elle était plus jeune.Peu avant sa mort, je m'étais chicanée avec Hélène à propos de ses archives.Si je voulais les garder, Hélène m'en a empêchée.Elle m'a dit que non seulement je n'aurais pas l'espace pour les garder (c'est vrai), mais qu'elle tenait à ce que son œuvre vive au-delà de sa personne.La mort ne l'effrayait pas tant que ça, mais le fait qu'on l'oublie, oui.Au départ, je voulais les garder pour moi, loin du regard des autres.Je voulais m'asseoir en indien par terre pendant des heures et passer à travers tous les cahiers.J'aurais voulu retenir les archives, les parcourir une à une, les cacher aux regards indiscrets.Je ne voulais pas que ma mère me quitte, je ne voulais pas disperser ses choses, et je ne voulais surtout pas que son caractère complexe soit dévoilé au grand jour.Ça m'a pris du temps avant de signer le contrat d'archives.Je l'ai repoussé au lendemain pendant quelques jours, voire quelques semaines.Comme n'importe quel contrat, ça peut faire peur parce que c'est un engagement, parce que c'est une promesse.J'avais peur de ne plus pouvoir consulter les papiers de ma mère.Cela dit,
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 | 0.005 | 0.018 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.007 | 0.003 |
| Scholarly communication | 0.008 | 0.006 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.076 | 0.013 |
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".