Bibliographic record
Abstract
Denne artikkelen er ein lettare omarbeidd versjon av eit innlegg som eg heldt på eit kriftkultursymposium i Volda i juni 2018, der eg prøver å gi svar på alle dei fem spørsmåla som arrangørane stilte til dei inviterte føredragshaldarane. Moderne skriftkulturstudiar, ikkje minst i Volda, har vore prega av eit ønske om å ikkje reprodusere dei nasjonsbyggjande morsmålsfaga som t.d. norsk, og dei har dermed vore organiserte tverrfagleg og komparativt. Skriftkultur som studieretning, her eksemplifisert med Peter Stein, har vore mindre optimistisk på vegner av skrifta enn den engelskspråklege literacy-konstruksjonen. Den framtidige skriftkulturforskinga bør konsentrere seg om korleis oraliteten lever idare i skrifta, og om den pressa posisjonen til skrifta mellom oraliteten og bileta. Det banale spørsmålet om\nskriftkulturar burde forvaltast, får eit svært kort svar her. Og til spørsmålet om kva nynorsken kan bidra med på det globale planet, ligg svaret i det særlege innslaget av oralitet som alltid har danna grunnlaget for nynorsken.
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 | 0.017 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.009 | 0.003 |
| Scholarly communication | 0.015 | 0.008 |
| Open science | 0.002 | 0.011 |
| Research integrity | 0.005 | 0.007 |
| Insufficient payload (model declined to judge) | 0.293 | 0.149 |
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".