Bibliographic record
Abstract
Jennifer Susan Annistin, de Waskaganish, était une bonne épouse et une bonne mère.Elle vivait avec son mari et ses trois enfants.Elle travaillait le jour, puis rentrait à la maison le soir pour s'occuper de sa famille.Elle cuisinait le souper, elle préparait les dîners, elle préparait tout le nécessaire pour le déjeuner du lendemain matin, et elle traînait les poubelles et toutes les canettes de bière vides de son mari à l'extérieur.Elle aidait les enfants à faire leurs devoirs ou avec tout ce dont ils avaient besoin.Tous les deux jours, elle faisait la lessive pour tout le monde dans la maison, elle lavait les sols et passait l'aspirateur, récurait les salles de bain et nettoyait le frigo.Elle allait aux événements sportifs ou scolaires de ses enfants et organisait des soirées en famille avec des amis et des fins de semaine dans le bois.Tout ce qui devait être fait dans cette maison, Jennifer s'en occupait.C'était épuisant et elle n'aimait pas toutes les tâches, mais tant qu'elle s'occupait de toutes ces choses, elle savait qu'elle était une bonne épouse et une bonne mère.En 2002, Jennifer participa à une marche de 300 kilomètres pour vivre ce que ses ancêtres avaient vécu lors de leurs périples de plusieurs jours.À la fin de la marche, elle avait mal partout et ses pieds étaient plus douloureux que jamais, mais elle se sentait également forte et capable d'accomplir n'importe quoi.Son esprit était apaisé.Elle participa à nouveau à la marche en 2003 et 1 Les noms et les détails de cette histoire ont été modifiés pour protéger les identités.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.010 | 0.008 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.003 | 0.007 |
| Insufficient payload (model declined to judge) | 0.007 | 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".