Bibliographic record
Abstract
Le fonds Simone et André Schwarz-Bart a été créé en 2017 au département des Manuscrits de la Bibliothèque nationale de France. Il est depuis régulièrement enrichi. À l’été 2018, ce sont environ 1 500 livres annotés de la bibliothèque d’André Schwarz-Bart, ainsi qu’un mètre linéaire de coupures de presse, elles aussi annotées, qui sont arrivés de Guadeloupe. Et avec eux, dans un département pourtant rompu à la gestion de fonds d’archives d’auteurs, un ensemble de questions inhabituelles, aussi stimulantes que le contenu des documents qu’elles concernent.Cet article présente le travail accompli à la BnF sur cette bibliothèque, en le déclinant, sans surprise, selon les grandes missions de l’établissement : collecter, conserver, signaler, communiquer. Il s’agit d’un travail en cours. La phase de description des livres, en particulier, est loin d’être achevée : quelques 350 livres ont été à ce jour examinés et décrits. On se garde donc de donner des informations précises et définitives, comme des dates extrêmes ou même le nombre exact de livres, et l’on doit se contenter souvent d’hypothèses. Pour autant, exposer ce travail est aussi l’occasion de donner une idée juste de la richesse des contenus de cette bibliothèque, et d’esquisser quelques axes de recherche ou pistes d’étude.
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 | 0.026 | 0.081 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.011 | 0.013 |
| Science and technology studies | 0.005 | 0.005 |
| Scholarly communication | 0.014 | 0.012 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.040 | 0.023 |
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".