Bibliographic record
Abstract
AGNÈS WITKO, RÉDACTRICE EN CHEFGlossa poursuit sa feuille de route sur les chemins de la diffusion scientifique pour l'orthophonie et avec les orthophonistes, et bien plus encore, sur le projet de prendre sa place dans le vaste panorama de la Science ouverte.Concernant le premier objectif, les idées ne manquent pas et vont se concentrer sur trois points :• Tout d'abord, diffuser des recherches sur des thématiques de prévention, d'évaluation, d'intervention, et de promotion en orthophonie logopédie.• Ensuite, mieux comprendre comment des mesures appliquées sur des collections de données bien décrites aideront les orthophonistes à trouver les bonnes méthodes pour documenter l'efficacité et l'efficience des suivis thérapeutiques sur le terrain clinique.• Et par répercussion, éclairer les différents types de décisions cliniques grâce et par la recherche.Dans la deuxième partie de cet éditorial confiée à Natacha Trudeau, ces différents points vont être développés dans une démonstration pointue et très bien illustrée des liens entre la recherche et l'orthophonie de demain… Concernant le second objectif, l'équipe éditoriale passe à la vitesse supérieure en dirigeant sa politique éditoriale avec un impératif : prendre soin des trois piliers qui guident le projet de Glossa : le lectorat, les autrices et les auteurs, ainsi que les évaluatrices et les évaluateurs des articles soumis.• Pour le premier pilier, faciliter l'accès des cliniciennes et des cliniciens à des recherches fiables, documentées, et reproductibles en totalité ou en partie, pour développer des passerelles avec le soin courant reste un objectif au cœur des enjeux éditoriaux.
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 | 0.019 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.010 | 0.005 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.003 | 0.003 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.446 | 0.366 |
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".