Bibliographic record
Abstract
Frédérick Bastien est professeur adjoint au Département de science politique de l'Université de Montréal.Il s'intéresse particulièrement au journalisme politique, aux usages politiques d'Internet et à la méthodologie des sondages et de l'analyse de contenu.Il est l'auteur de Tout le monde en regarde!La politique et l'infodivertissement à la télévision québécoise (PUL, à paraître), il a publié plusieurs chapitres de livres, ainsi que des articles dans Hermès, Questions de communication, la Revue canadienne de science politique et Politique et sociétés.Olivier H. Beauchesne détient une maîtrise en science politique.Il est le fondateur d'IndiceQuébec.com.Il travaille actuellement comme scientifique de données dans une grande firme internationale de technologie de l'information.Auparavant, il a travaillé comme analyste marketing dans une firme de sondages commerciaux et politiques.Il s'intéresse particulièrement à l'analyse quantitative des médias sociaux et à la visualisation de données.Plusieurs de ses visualisations ont été publiées dans des médias internationaux (Wired, The Guardian, El País, etc.), nationaux ainsi que dans la presse scientifique (Nature, Science, etc.).Éric Bélanger est professeur agrégé au Département de science politique de l'Université McGill.Ses recherches portent sur la politique canadienne et québécoise, les partis politiques, l'opinion publique et les comportements électoraux.Ses travaux ont été publiés dans de nombreuses revues scientifiques, notamment
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 | 0.003 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.005 | 0.002 |
| Scholarly communication | 0.009 | 0.005 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.367 | 0.210 |
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".