Une veille collaborative au service des revues : l’exemple du réseau Mir@bel
Bibliographic record
Abstract
Mir@bel est à la fois un site Web, un réservoir partagé d’informations sur les revues et un réseau de plus de 120 professionnels de l’information de différents horizons qui partagent un travail de veille sur les revues et supervisent la mise à jour des données. Le site propose, pour chaque revue, une description bibliographique, des rebonds vers l’environnement numérique de la revue et des accès aux différents types de contenus diffusés (articles, sommaires, résumés). Il reprend de manière automatisée des informations provenant de nombreuses sources, dont les principaux portails de revues francophones en sciences humaines et sociales (Cairn.info, Érudit, OpenEdition Journals et Persée). Pour fonctionner, ce réseau s’appuie sur des méthodes de travail collaboratives, un outil de veille partagé par des bibliothécaires et des professionnels de l’édition, mais également sur les différents processus mis en place pour faciliter un travail participatif. En dix ans de fonctionnement, le réseau a pu expérimenter de nombreuses voies dans cette veille collaborative, que ce soit pour la collecte, la mise à jour, les diffusions de ces données ou la variété des partenariats, facilitant ainsi l’accès aux revues.
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 | 0.014 | 0.040 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.006 | 0.007 |
| Science and technology studies | 0.014 | 0.007 |
| Scholarly communication | 0.015 | 0.017 |
| Open science | 0.003 | 0.012 |
| Research integrity | 0.007 | 0.006 |
| Insufficient payload (model declined to judge) | 0.035 | 0.016 |
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".