Bibliographic record
Abstract
Le mot de la présidenceLorsque j'ai décidé d'accepter ma mise en candidature à la présidence de l'ABSC / CHLA, j'étais loin de me douter que l'une des compétences nouvelles que j'allais acquérir serait celle de m'adresser aux médias.Au moment même où je me préparais à quitter le pays pour un voyage de dix jours, je retournais un appel à un reporter de la radio de CBC à Ottawa qui voulait avoir des commentaires sur la réaction de l'ABSC / CHLA relativement aux compressions budgétaires de Santé Canada à l'endroit du Réseau des bibliothèques scientifiques du Canada.Nous avons conversé quelque temps et je suis partie.L'entrevue a été diffusée trois jours plus tard.Après avoir reçu deux autres demandes de commentaires, j'ai commencé à me sentir quelque peu nerveuse!J'ai suivi le conseil d'un collègue et j'ai communiqué avec le service des Affaires publiques de mon organisme pour en obtenir quelques conseils de sagesse quant à la façon de réagir aux entrevues.Leurs commentaires m'ont été des plus utiles.Pendant mon absence, les autres membres du Conseil d'administration, sous la direction de notre Vice-présidente,
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 | 0.011 | 0.100 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.006 | 0.006 |
| Scholarly communication | 0.013 | 0.010 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.008 | 0.012 |
| Insufficient payload (model declined to judge) | 0.210 | 0.094 |
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".