Bibliographic record
Abstract
Je m’arrêterai dans le cadre de cet article sur un exemple précis de machine à lire, une machine qui n’a peut-être jamais existé en bonne et due forme, mais qui n’en a pas moins suscité une importante réception critique, jusqu’à s’imposer comme l’idée maîtresse d’une rhétorique contestataire. Ce sont les Readies de Robert Carlton Brown (1930). La volonté de trouver de nouveaux dispositifs de saisie, de conservation et de transmission des textes s’est manifestée de façon récurrente tout au long du xxe siècle. Et le processus s’est intensifié au xxie siècle avec les plus récents développements informatiques qui ont fait se multiplier les surfaces de lecture, de la tablette tactile et des liseuses électroniques aux écrans de plus en plus précis de nos ordinateurs. Ces nouveaux dispositifs nous font entrer dans une culture de l’écran qui semble sonner le glas du livre et de sa culture. Or, cette recherche d’un dispositif technique capable de rivaliser avec le codex ne s’est pas fait d’un seul coup, elle n’a pas abouti de façon spontanée à un modèle fonctionnel. Le désir de renouveler les instruments mêmes de la lecture a laissé de nombreuses traces, des projets de machines à lire morts au feuilleton. Ces projets parlent tous d’un souhait, celui de rénover les techniques de conservation et de diffusion des textes, ainsi que les mécanismes mêmes de la lecture, qui n’évolue jamais assez rapidement. L’examen attentif du projet de Brown, notamment dans sa reprise contestataire par Craig Saper, sous le pseudonyme dj readies, permettra de bien comprendre comment les machines à lire, au-delà de leur dimension technique, ont d’importantes implications sémiotiques et symboliques.
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 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.005 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.003 | 0.008 |
| Insufficient payload (model declined to judge) | 0.051 | 0.026 |
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".