Bibliographic record
Abstract
Publier un livre est un travail de longue haleine, et pour parvenir à ce résultat, j'ai compté sur le travail et le soutien de beaucoup de gens.Ces personnes ont fait de cette expérience un privilège et un plaisir, et m'ont aidé à articuler ma pensée à différents moments.Suzanne Morton, avec qui j'ai eu un grand nombre de conversations fort égocentriques autour de ce projet, a été généreuse, rigoureuse et encourageante ; j'en suis très reconnaissante.Michèle Dagenais et Denyse Baillargeon ont cru que ma vague idée d'étudier les discours sur l'alimentation valait la peine d'être poursuivie.Leur appui, alors que mon projet n'en était qu'au stade du développement et des demandes de financement, a été essentiel.Au fil des congrès, ateliers et colloques, j'ai eu de nombreuses discussions avec tout un groupe de chercheurs et chercheuses intéressés par divers aspects de l'histoire de l'alimentation.Ian Mosby, Catherine Carstairs, Franca Iacovetta, Marlene Epp, Nathalie Cooke et François Rousseau ont particulièrement stimulé mes réflexions grâce à leurs questions, leurs commentaires et leurs propres travaux.Ces recherches n'auraient pas été possibles sans le support financier du Conseil de recherches en sciences humaines du Canada, de l'Institut canadien de recherches sur les femmes et de l'Institut d'études canadiennes de McGill.Madame Marcelle Cinq-Mars, de Bibliothèques et Archives Canada, de même que le personnel des archives de la Ville de Montréal, de la Commission scolaire de Montréal et de l'Université de Montréal m'ont rendu des services très appréciés.Je tiens à souligner l'aide précieuse apportée par Bibliothèque et Archives nationales du Québec.Par son financement, le prêt d'un espace de travail sur les lieux de mes principales recherches et ses services courtois et professionnels
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 | 0.056 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.004 | 0.003 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.011 | 0.006 |
| Open science | 0.003 | 0.008 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.294 | 0.193 |
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".