Bibliographic record
Abstract
Cet article aborde, par une étude de cas du musée ethnologique de Salagon situé à Mane (Alpes-de-Haute-Provence), le cadre juridique de la collecte et la diffusion d’archives orales par une institution culturelle qui a pour objectifs la conservation et la diffusion des savoirs locaux. Il présente les réflexions et conclusions tirées de l’expérience des deux autrices, archivistes au sein d’un musée collecteur d’une mémoire orale, le musée de Salagon. Elles ont fait des observations sur le travail fait et à faire pour un meilleur respect des obligations juridiques et éthiques dans la collecte de témoignages oraux, en travaillant à une réorganisation des fonds et au traitement de nouveaux corpus. Cette étude de cas revient ainsi sur l’histoire des contrats et de l’archivage au musée de Salagon. La collaboration entre la direction du musée et la phonothèque de la Maison méditerranéenne des Sciences de l’Homme, dès les années 1990, a été déterminante. Ce travail éclaire le rôle de l’archiviste dans la sensibilisation des acteurs de collectes d’archives sonores aux bonnes pratiques, et propose en annexe un guide de l’enquêteur.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.010 | 0.011 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 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".