Mémoires du Covid-19 et archives du Web : pour une analyse quantitative du dépôt légal de la BNF
Bibliographic record
Abstract
Une impressionnante quantité de traces numériques ont été produites lors de la crise sanitaire du Covid-19, dont certaines ont fait l’objet de collectes institutionnelles. Cet article vise à étudier comment les archives du Web jouent un rôle fondamental dans la construction de la mémoire collective. D’un point de vue thématique, notre travail s’efforce de comprendre comment ces archives offrent une opportunité exceptionnelle d’étudier les phénomènes liés au Covid-19. Nous nous concentrerons en particulier sur les archives du Web du dépôt légal de la Bibliothèque nationale de France (BNF) que nous avons pu explorer dans le cadre du projet Web-mémoires, développé en collaboration avec le DataLab de la BNF et soutenu par le Labex Les passés dans le présent. D’un point de vue méthodologique, cet article traite de la problématique de l’analyse de ces archives du Web. En particulier, nous visons à proposer un workflow inédit pour l’analyse quantitative des archives du Web de la BNF à partir d’une thématique ciblée qui prend en compte les contraintes techniques et juridiques liées à ce type de données et à leur consultation dans le cadre du dépôt légal du Web.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.008 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
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; both teacher heads agree on what is shown here.
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".