Bibliographic record
Abstract
Dans son premier numéro, au début de 2014, Recherches en danse a publié le compte rendu de la table ronde Panorama de la recherche en danse en France et en Italie 1 qui avait eu lieu le 14 décembre 2012 à l'université Nice Sophia Antipolis (UNS), dans laquelle un groupe de chercheurs italiens et français a ouvert un dialogue sur la recherche en danse dans les deux pays. 2Les interventions et les échanges qui en ont suivi ont révélé des différences dans la tradition et dans l'institutionnalisation des recherches, tout comme des similitudes dans les perspectives disciplinaires et interdisciplinaires et dans l'articulation entre les pratiques et les discours.En particulier, il est apparu nécessaire de rassembler les forces et d'associer les compétences pour continuer à développer et enrichir les études en danse dans les deux pays et entre les deux pays, et en comprendre l'articulation avec la recherche produite sur la scène internationale.Les études en danse entre l'Italie et la France, placées au carrefour de plusieurs champs disciplinaires, avec toutes les questions théoriques et pratiques qui en découlent, offrent un large panorama de sujets de recherche et d'approches méthodologiques.Cela démontre l'existence d'un véritable potentiel de développement qu'il semblait nécessaire de maintenir actif et surtout de rendre visible.
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 | 0.004 | 0.022 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.005 | 0.007 |
| Insufficient payload (model declined to judge) | 0.083 | 0.043 |
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".