Dialogues interdisciplinaires : repenser la culture à l'ère de l'IA
Bibliographic record
Abstract
À travers une série captivante de Dialogues interdisciplinaires sur les impacts sociétaux de l’IA, nous convions une ou un invité et des intervenantes et intervenants, provenant des sciences et génies, de la santé et des sciences humaines et sociales, à venir discuter des avancées, des défis et des opportunités soulevés par l’IA. La deuxième édition de la série portait sur les enjeux et impacts de l’IA générative sur les industries culturelles et créatives. Octavio Kulesz, expert de renommée mondiale sur le sujet, agissait à titre d’invité d’honneur de l’événement qui a eu lieu à Québec le 31 mai 2024. Animé par le directeur du journal Le Devoir Brian Myles, ce panel a permis de mettre en dialogue des artistes, des personnes œuvrant dans l’industrie des jeux vidéo et dans des organismes culturels ainsi que des spécialistes de disciplines variées comme le cinéma, les communications et le droit. Structuré autour des principales questions soulevées lors du panel, le présent document offre une synthèse des interventions et des discussions qui ont eu lieu durant cette deuxième activité de la série Dialogues interdisciplinaires.
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 | 0.041 | 0.038 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.044 | 0.079 |
| Scholarly communication | 0.035 | 0.025 |
| Open science | 0.004 | 0.032 |
| Research integrity | 0.009 | 0.027 |
| Insufficient payload (model declined to judge) | 0.011 | 0.003 |
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".