Romans à lire : statistiques descriptives (2023)
Bibliographic record
Abstract
Description de la base de données Romans à lire, une ressource de Bibliothèque et Archives nationales du Québec (BANQ). Cette base de données peut être consultée à travers l’interface web disponible sur le site de BANQ, mais on ne trouve sur ce site aucune information sur la genèse et les paramètres de la base. La description que nous en proposons vise à combler cette lacune et à permettre son utilisation en contexte de recherche; elle est issue, d’une part, d’informations obtenues auprès de la direction de BANQ, d’autre part d’analyses statistiques menées à partir d’une copie de la base remise aux auteurs le 23 janvier 2023. BANQ interdit le partage de cette copie et nous ne pouvons donc la rendre publique; cependant, la base elle-même peut toujours être consultée en ligne. Cette collection documentaire contient une note de recherche au titre éponyme, des tables de données, des diagrammes et des scripts R. Les statistiques fournies dans la note de recherche, les scripts R qui ont servi à produire ces statistiques ainsi que les diagrammes peuvent être reproduits et utilisés librement.
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 | 0.005 | 0.027 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.011 | 0.016 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.003 | 0.003 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.086 | 0.078 |
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".