Invisible dans l’histoire : réflexions sur les femmes acadiennes dans les collections du Centre d’études acadiennes Anselme-Chiasson et du Musée acadien de l’Université de Moncton
Bibliographic record
Abstract
« Invisible dans l’histoire » propose une réflexion multidisciplinaire sur la représentation des femmes acadiennes dans les archives et les objets historiques. Sous l’impulsion du Groupe de recherche sur les archives et les femmes en Acadie (GRAFA), le Centre d’études acadiennes Anselme-Chiasson (CEAAC) et le Musée acadien de l’Université de Moncton (MAUM) ont constaté la faible représentation des femmes dans leurs collections. Les intervenantes font part de leurs réflexions et des défis rencontrés quant à la documentation, à la description et à l’interprétation des archives et des objets historiques dans cette nouvelle perspective. Elles s’interrogent également sur le rôle de l’archiviste et du conservateur dans ce processus de valorisation des femmes et sur la dichotomie du genre en vigueur dans les collections. Les initiatives entreprises par le CEAAC et le MAUM pour contrer l’invisibilité des femmes acadiennes dans leurs collections marquent le début d’une ère nouvelle d’inclusion et de diversité dans la pratique archivistique et de conservation. Afin de mieux saisir les récits individuels de femme, il importe en première instance d’en assurer la représentation dans les établissements de conservation.
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 | 0.011 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.025 | 0.035 |
| Scholarly communication | 0.011 | 0.005 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.007 | 0.000 |
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".