Regards croisés sur l’intelligence artificielle à l’Université Laval : pratiques et enjeux en recherche
Bibliographic record
Abstract
Dans la suite des actions conduites pour brosser le portrait des utilisations des systèmes d’intelligence artificielle dans différents secteurs de l’enseignement et de la recherche à l’Université Laval, il a été confié à l’Obvia un mandat pour une consultation exploratoire visant à comprendre les grandes tendances liées à l’utilisation actuelle d’outils d'IA en recherche à l’Université Laval. Les propos collectés lors des groupes de discussion ont permis d’identifier les principales utilisations des outils d’IA en contexte de recherche, en rappelant les motivations, les risques et les enjeux perçus. Un accord se dégage sur le fait que ces outils sont là pour durer et requièrent le développement de compétences spécifiques pour un usage éthique et responsable, contenu dans un cadre qui veille au maintien de l’intégrité scientifique tout en autorisant l’exploration de pratiques nouvelles.
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 | 0.079 | 0.110 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.011 | 0.011 |
| Scholarly communication | 0.027 | 0.013 |
| Open science | 0.003 | 0.010 |
| Research integrity | 0.006 | 0.008 |
| 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".