Bibliographic record
Abstract
Avant-proposAvant d'entrer dans le vif du sujet, nous souhaitons dire brièvement ce qui caractérise cet ouvrage et distinguer divers niveaux de lecture qu'on peut en faire.Nous voulons aussi, à l'adresse de ceux et celles qui l'utiliseront pour développer diverses habiletés intellectuelles, faire quelques recommandations concernant les exercices et les corrigés des exercices. Un peu d'histoireBien que très personnel, cet ouvrage est le fruit d'un travail auquel ont collaboré, au fil des ans, plusieurs professeurs, chargés de cours et auxiliaires d'enseignement.Au risque d'en oublier, nous voulons d'entrée de jeu souligner les contributions particulières de quelques-uns et quelques-unes.D'abord, le nom de l'ouvrage -Principes de logique -est avant tout le nom d'un cours donné à l'Université Laval depuis 1979, sous l'impulsion du professeur John R. Gallup et avec qui l'auteur de ces lignes a travaillé à titre d'assistant de recherche et d'auxiliaire d'enseignement dès 1980.Beaucoup des idées développées dans cet ouvrage sont inspirées des enseignements et des préoccupations du professeur Gallup.
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 | 0.004 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.006 | 0.002 |
| Scholarly communication | 0.013 | 0.008 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.288 | 0.161 |
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".