Bibliographic record
Abstract
Les phénomènes géographiques s’inscrivent dans deux catégories : les phénomènes dépendants d’échelle et les phénomènes invariants d’échelle. Les premiers ont des échelles caractéristiques, ce qui n’est pas le cas des seconds. Les méthodes quantitatives et mathématiques classiques ne peuvent être appliquées efficacement aux phénomènes géographiques dépendants d’échelle. L’auteur compare les systèmes géographiques dépendants d’échelle et invariants d’échelle au moyen de simples modèles mathématiques applicables à la géographie. Les perspectives sont essentiellement les suivantes. Premièrement, les phénomènes dépendants d’échelle peuvent être étudiés au moyen de méthodes mathématiques traditionnelles, alors que l’analyse des phénomènes invariants d’échelle devrait reposer sur une théorie fondée sur la mise en échelle comme celle de la géométrie fractale. Deuxièmement, les phénomènes dépendants d’échelle relèvent du géoespace basé sur la distance, tandis que les phénomènes invariants d’échelle relèvent du géoespace basé sur la dimension. Troisièmement, quatre méthodes permettant de distinguer les phénomènes invariants d’échelle des phénomènes dépendants d’échelle sont présentées : transformation d’échelle, distribution de probabilités, fonctions d’autocorrélation et d’autocorrélation partielle, et indice ht ( head/tail — tête/queue). En pratique, un système géographique complexe comporte des aspects dépendants d’échelle et des aspects invariants d’échelle. Il convient d’adapter les méthodologies aux différents types de systèmes géographiques ou aux différents aspects d’un même système géographique.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 teacher head, 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".