Mapping the Skin and the Guts of Stories – A Dialogue between Geolocated and Dislocated Cartographies
Bibliographic record
Abstract
Cet article propose un dialogue entre la cartographie géolocalisée et la cartographie sensible, entre les cartes euclidiennes et les cartes libérées de toutes coordonnées géographiques, entre les pratiques cartographiques conventionnelles et alternatives. Ce dialogue a été rendu nécessaire par les nombreux défis que présentent la mise en cartes de récits riches, complexes et parfois extrêmement chargés émotionnellement : les récits de vie d’exilés rwandais. En cartographiant deux de ces récits à l’aide d’un logiciel de cartographie géolocalisée – Atlascine – et d’une série de cartes sensibles, nous avons été amenés à réfléchir aux potentiels et limites de ces approches. Ces deux approches ont en commun de respecter l’intégrité des récits représentés, ainsi que de reconnaitre l’importance de rendre le processus cartographique le plus transparent possible. Néanmoins, leur utilisation en parallèle révèle leurs différences ainsi que leurs complémentarités. Les cartes géolocalisées ont tendance à traiter et performer les récits comme des bases de données géographiques. Elles sont adaptées pour représenter ce qui est explicite, ce qui est exprimé, géolocalisable, c’est-à-dire ce qui se situe à la surface textuelle de ces récits, au niveau de leur épiderme. En revanche, la cartographie sensible tend à aborder le texte comme une entrée dans ces récits, dans leurs profondeurs, dans leurs entrailles. Libérées de toute contrainte euclidienne, les cartes sensibles performent et révèlent les dimensions plus intimes et personnelles de ces histoires, sans se départir du point de vue des porteurs de récits pour qui certaines choses peuvent être difficiles à exprimer. Le dialogue entre ces deux approches cartographiques met en évidence leur complémentarité indispensable pour cartographier non seulement ce qui se dit dans les récits, mais aussi ce qui y est enfoui.
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 | 0.006 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.006 | 0.020 |
| Scholarly communication | 0.010 | 0.016 |
| Open science | 0.001 | 0.008 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 0.001 |
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".