Bibliographic record
Abstract
Notre corpus principal se compose d’articles issus de trois journaux québécois et a été analysé en profondeur. Notre corpus secondaire – utilisé à des fins comparatives pour certains aspects de la recherche – est constitué d’articles du Toronto Star. Les deux corpus sont détaillés dans deux feuilles Excel. ARTICLES DU CORPUS QUÉBÉCOIS La feuille Excel renseigne le lecteur sur tous les articles du corpus québécois. Colonne A : Les articles sont numérotés dans un ordre chronologique (ce qui permet de voir certaines tendances dans les thèmes, selon l’actualité). Ces numéros sont utilisés, à des fins pratiques, pour répertorier les différences occurrences détectées (voir le document PDF ci-après).Colonne B : Cette colonne indique le titre principal de l’article.Colonne C : Nous y avons indiqué tout autre titre qui accompagnait l’article.Colonne D : Elle indique la date de publication de l’article.Colonne E : Cette colonne indique les auteurs ou auteures des différents articles. S’il s’agit d’une lettre d’un lecteur, nous avons indiqué le nom du lecteur ayant écrit. Si seul un nom d’agence était indiqué, nous avons apposé le nom de l’agence en question. Une mention Inconnu se trouve dans les cas où ni auteur ni agence n’était mentionné.Colonne F : Elle comporte le nom d’un des quatre journaux de notre corpus.Colonnes G et J : Elles indiquent respectivement le nombre de mots total de l’article retenu ainsi que le nombre de mots retenus aux fins d’analyse. Lorsque les deux colonnes comportent le même nombre, cela signifie bien entendu que l’article a été retenu dans son entièreté; une mention a été ajoutée à ce sujet à la Colonne N (Commentaires).Colonne H : Nous avons indiqué s’il s’agissait, selon notre perception, plutôt d’un article d’opinion ou d’information, ou alors s’il s’agissait d’une critique (de livre ou de film). À sept reprises, nous avons indiqué que le type était toutefois ambigu.Colonne I : Nous avons transcrit la section de publication telle que fournie par le logiciel Eurêka.Colonne K : En quelques mots, nous résumons le contenu du passage retenu pour l’analyse.Colonne L : Nous indiquons ici de manière succincte le thème principal au coeur duquel paraît le mot sikh ou ses dérivés au sein de l’article. Les thèmes se répètent, ce qui nous a permis de constituer des statistiques.Colonne M : À des fins d’information, cette colonne contient le nombre d’occurrences du mot sikh (ou de ses dérivés) dans chaque article.Colonne N : Nous offrons dans cette colonne divers renseignements supplémentaires, notamment une brève description d’une série d’articles, des précisions sur les mentions non significatives, des indications de la présence de doublons (quand deux articles au même titre et presque au même nombre de mots coexistaient dans nos recherches initiales), etc.Colonne O : Cette colonne contient les entrées bibliographiques complètes telles qu’elles se retrouvent dans la bibliographie du mémoire. Rappel : Le corpus québécois est composé de tous les articles contenant le mot « sikh » et ses dérivés publiés en 2017 et en 2018 dans Le Journal de Montréal, La Presse, La Presse+ et Le Devoir. Il s’agit en tout de 307 articles. La recherche a été effectuée par le logiciel Eurêka.
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 | 0.001 | 0.009 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.020 | 0.022 |
| Science and technology studies | 0.004 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.268 | 0.051 |
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".