Bibliographic record
Abstract
Plusieurs personnes ont contribué, d'une manière ou d'une autre, à la réalisation de cet ouvrage, fruit d'une thèse de doctorat en cotutelle à l'Université du Québec à Montréal et à l'Université d'Angers.Sur le plan scientifique, les professeurs Jean-Marie Fecteau (Université du Québec à Montréal), Jacques-Guy Petit (Université d'Angers) et Peter Gossage (Université de Sherbrooke) m'ont offert en tant que directeurs de recherche une supervision attentive et très stimulante.Ma reconnaissance à leur égard est immense.Frédéric Chauvaud, Magda Fahrni et Mariana Valverde, membres du jury lors de ma soutenance, ont prodigué des commentaires avisés qui ont grandement enrichi ce travail.Le suivi administratif du cheminement de ma thèse a été assuré avec une gentillesse et une efficacité hors du commun par Pauline Léveillé, du département d'histoire de l'uqam.Aux Archives nationales du Québec à Montréal, Pierre Beaulieu a répondu avec un professionnalisme extraordinaire et une patience sans bornes à mes incessantes demandes de pièces judiciaires.Je tiens à le remercier sincèrement, de même qu'Aurèle Parisien, qui a accueilli favorablement ce projet de publication et donné maints conseils éclairés lors des premières étapes de sa réalisation.Le travail éditorial a été complété avec rigueur par Jonathan Crago, Joan McGilvray et Christophe Horguelin de McGill-Queen's University Press.Deux évaluateurs anonymes ont pour leur part contribué à mieux faire ressortir mon positionnement dans les débats intellectuels abordés en ces pages.Mes collègues du Centre d'histoire des régulations sociales (chrs) de l'uqam ont réussi à faire d'un parcours doctoral une expérience forte de plusieurs amitiés.Hors de l'université, Jean-Michel Beaucher,
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 | 0.009 | 0.053 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.005 | 0.002 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.003 | 0.005 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.237 | 0.121 |
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".