Evaluation de la BD TOPO®
Bibliographic record
Abstract
Suite à l’acquisition de la base de données de l’IGN : la BD TOPO®, une grille d’évaluation a été adressée à tous les services acquéreurs pour tenter de mesurer l’adéquation de cette base de données aux métiers de l’Équipement. Cette évaluation de la BD TOPO® s’appuie sur lesacquisitions de données réalisées de 1999 à 2001 par les services du METLTM sur financements de la Direction des Routes (DR) et de la Direction Générale de l’Urbanisme, de l’Habitat et de la Construction (DGUHC). Les délais de réception des données parfois très longs n’ont pas toujours permis aux services déconcentrés d’avoir suffisamment de recul pour maîtriser cette base et répondre en toute objectivité aux questions posées.Parmi les conclusions, nous retiendrons que cette base de donnée est globalement appréciée par les services. Dans le cas précis de cette évaluation, par sa richesse en données de référence et données thématiques, voire d’habillage, elle reste bien adaptée aux différentes études ponctuelles qui ont été menées. Sa précision métrique et sa conception topographique répondent bien à de nombreux besoins autour de cette gamme d’échelles.Entre autres, elle a surtout permis de confirmer la notion de référentiel défini par des composantes complémentaires et cohérentes, tel qu’il semble se profiler dans le futur RGE,émanant de la décision interministérielle du 8 janvier 2001. Enfin, elle a permis de souligner le besoin de compétences à acquérir par les utilisateurs, et d’administration de données à mettre en place dans les services.
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 | 0.074 | 0.141 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.008 | 0.008 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.017 | 0.005 |
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".