Vers une science ouverte francophone en santé. Le champ de l’éducation médicale est aussi concerné
Bibliographic record
Abstract
Contexte et problématique : La société des savoirs constitue un changement de paradigme sur la forme et sur le fond. La science ouverte (SO) est un mouvement mondial qui vise à rendre accessible les produits de la recherche et qui s’accélère avec les potentialités technologiques. Elle s’appuie sur un certain nombre de principes : accès et diffusion large et sans entrave, partage et retombée des produits de la recherche avec la société civile. Contenu et analyse : La SO comporte un accès libre et gratuit aux articles, un accès aux données sources, une analyse des données, la mise à disposition de pré-prints, l’évaluation ouverte. Dans ce contexte, la francophonie, par l’hétérogénéité de ses situations et son homogénéité linguistique, apparaît comme un terrain privilégié d’observation et d’expérimentation. Le Groupe de réflexion et d’information en science ouverte francophone (GRISOF), qui œuvre à l’amélioration de la recherche francophone dans la science médicale et en santé, propose, à partir de ses acquis, quelques clés pratiques pour le chercheur clinicien, le chercheur en biomédical et en santé publique, oriente sa réflexion vers l’évaluation et intensifie sa feuille de route sur la formation. Si l’anglais est la langue prédominante, le traitement automatique du langage (TAL) constitue une opportunité technologique. L’accès libre aux articles donne une opportunité aux travaux en français de mieux se faire connaître, de même que la traduction numérisée permet d’accéder aux articles d’autres langues. Conclusion : L’accès libre aux articles permet d’améliorer la profondeur et l’étendue des connaissances des étudiants. Il constitue une composante essentielle des apprentissages de recherche. Faire participer les étudiants à la publication ouverte de leurs propres travaux est un moyen de les sensibiliser aux pratiques scientifiques ouvertes.
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 | 0.039 | 0.046 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.011 | 0.024 |
| Scholarly communication | 0.022 | 0.016 |
| Open science | 0.001 | 0.008 |
| Research integrity | 0.007 | 0.009 |
| Insufficient payload (model declined to judge) | 0.021 | 0.006 |
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".