Une recette qui remonte à la nuit des temps
Bibliographic record
Abstract
La recette de la bière est vieille de milliers d'années.Avec quatre ingrédients seulement, on peut créer l'une des boissons les plus complexes, les plus populaires et les plus appréciées au monde.La bière est la boisson des rois et celle du peuple.Selon l'Oxford Companion to Beer, on en découvrit dans les sépultures des Égyptiens de l'Antiquité, Noé en chargea à bord de son arche et la reine Élisabeth 1re en buvait le matin au déjeuner.Tous les présidents des États-Unis en servaient à leur table.La bière fut d'ailleurs l'enjeu d'un pari amical entre le premier ministre du Canada, Stephen Harper, et le président des États-Unis, Barack Obama.Obama fit livrer une caisse de Molson Canadian à Harper lorsque Équipe Canada remporta la médaille d'or du hockey masculin en prolongation aux Jeux olympiques de Vancouver en 2010, et de nouveau quatre ans plus tard quand les Canadiens répétèrent leur exploit à Sotchi.Pourtant, la bière est aussi la boisson égalitaire par excellence.Dans notre société moderne, elle est étroitement associée aux gens honnêtes et travaillants.Son processus de fabrication exige des ingrédients d'une grande pureté, des mesures précises et des connaissances scientifiques.La réaction chimique n'est pas explosive, mais plutôt lente et mesurée, un ProLogue une recette qui remonte à la nuit des tempsIl n'y a que quatre ingrédients dans la bière.Trois, en fait : des céréales, de l'eau et du houblon.La levure n'est pas un ingrédient, quoique sa présence soit nécessaire.C'est un activateur.Elle est ajoutée, elle fait ce qu'elle a à faire et elle disparaît.Elle ne reste pas dans la bière, elle fait la bière.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.003 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.116 | 0.049 |
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".