Bibliographic record
Abstract
Avant-propos Ce livre est le résultat d'une expérience assez longue, que j'ai commencée lors de mes études doctorales à l'Université Laval.Il s'appuie sur la thèse en ethnologie que j'y ai soutenue fin 2006.Ce travail doctoral a représenté un premier jet que j'ai ensuite considérablement retravaillé et complété avec des données issues d'ouvrages publiés après ma soutenance.Je tiens à remercier tous ceux qui, d'une façon ou d'une autre, ont contribué à la réalisation de ce livre.J'aimerais tout d'abord remercier mon ancien directeur de thèse, Laurier Turgeon, d'avoir accepté sans hésiter d'orienter et d'encadrer mon travail doctoral.C'est grâce à ses suggestions et à son soutien moral et matériel que j'ai pu le mener à bien.Parce qu'il m'a fait confiance et s'est montré patient, m'assistant jusqu'à la fin de sa rigueur intellectuelle, qu'il reçoive ici l'expression de toute ma gratitude.Ma reconnaissance va aussi aux regrettés Irina Nicolau et Horea Bernea qui, en leur qualité de directrice des programmes de recherche et de directeur général du Musée du paysan roumain de Bucarest, m'ont toujours soutenue dans mon intérêt pour l'ethnologie.C'est grâce à eux que j'ai pu faire mes premières recherches de terrain.À madame Rose-Marie Lagrave, pour la générosité avec laquelle elle m'a prodigué des conseils pour mieux concevoir mon projet de doctorat.Je tiens à la remercier pour son implication dans les activités de l'École doctorale en sciences sociales de Bucarest et pour m'avoir ouvert la perspective de faire ce doctorat à l'étranger.Ma reconnaissance va aussi au professeur Bogumil Koss pour la critique juste et pertinente qu'il a fait de mon travail dans le cadre du séminaire de doctorat.Son regard attentif et ses suggestions m'ont beaucoup aidée à mieux cerner les données de ma recherche.Je remercie madame le professeur Lucile Guilbert pour les suggestions et les références
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 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.007 | 0.002 |
| Scholarly communication | 0.013 | 0.007 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.290 | 0.180 |
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".