Le livre numérique et les pratiques numériques : un état de la situation
Bibliographic record
Abstract
Le livre numérique occupe à l’heure actuelle une place plutôt marginale, que ce soit d’un point de vue économique ou social. La situation est particulièrement perceptible au Québec, où seuls 12 % de la population déclarait lire régulièrement des livres numériques en 2014 (Ministère de la Culture et des Communications [MCC], 2016), et où les ventes ont considérablement baissé en 2017 et en 2018 selon les données de l’Observatoire de la culture et des communications du Québec [OCCQ] (Routhier, 2019). Cet insuccès relatif peut apparaitre paradoxal dans la mesure où la lecture de livres papier et un certain nombre de pratiques numériques sont bien répandues au Québec (MCC, 2016; Centre facilitant la recherche et l’innovation dans les organisations [CEFRIO], 2016, 2019). Ce texte veut apporter un éclairage sur l’état des données dont le Québec dispose sur les plans économique et social à propos de la lecture du livre numérique, et le lien avec d’autres pratiques numériques. Ce faisant, il met aussi en lumière que, alors qu’elles pourraient apporter un éclairage pertinent sur la situation, les études portant sur les publics du livre numérique sont peu répandues, et celles portant sur ses non-publics sont plus rares encore.
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 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.016 | 0.021 |
| Scholarly communication | 0.013 | 0.010 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.004 | 0.007 |
| Insufficient payload (model declined to judge) | 0.021 | 0.002 |
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".