Bibliographic record
Abstract
Monsieur Palomar porte le nom d'une montagne californienne couronnée d'un télescope.D'ailleurs il regarde souvent le ciel, la lune de l'après-midi, les planètes, à l'œil nu 1 .Peu de choses du spectacle du monde échapperont à sa réflexion.Il saura scruter, détailler, envisager, supputer, échafauder des hypothèses.S'il aperçoit une femme allongée sur une plage, les seins nus, il suspendra son regard dans le vide, en homme discret, courtois, respectueux de « l'invisible frontière qui entoure les personnes 2 ».Puis il se dira que c'est là un refus de voir, vestige d'une convention sociale qui décrète illicite la vue d'un sein.Cela est rétrograde et ne le satisfait pas.Au retour de sa promenade, passant devant la plagiste, il affecte donc un autre regard, intégrant le sein dans le paysage, un regard guère plus pesant que celui « d'une mouette ou d'un merlan ».Mais son regard le laisse insatisfait, car on pourrait penser qu'il ramène la femme au rang du paysage dans lequel il intègre le sein.Il fera donc un troisième passage, et même un quatrième, poussé qu'il est par son commentaire intérieur.Intriguée par ce passant compulsionnel, la plagiste finit par ramasser sa serviette de bain et à quitter les lieux.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.006 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.000 | 0.003 |
| Research integrity | 0.001 | 0.004 |
| Insufficient payload (model declined to judge) | 0.056 | 0.010 |
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".