Bibliographic record
Abstract
Le RipperPis là, y msembe, me su réveillé.Couché en boule à terre, assommé pal bruit dla TV qui grichait.Une biér à moitié pleine dans main, une dizaine d'autes corps morts autour de moue.M'étais pourtant endormi sul divan... Y était rendu où l'divan ?Quasiment tûtes lé chaises dla bâtisse taient rvirées à l'envers.Flagos dormait en arriére de moue sua tab la moins couverte de bouteilles vides.Marcoux tait allongé dans lfond dla pièce, proche dla porte des touèlettes, pis y tétait ben mollement le fond dson 40 onces.Lsoleil commençait à seulver.J'avais encore une fouais soué yeux l'agonie du Ripper.Me suive, j'ai fermé à TV pis j'ai traversé Fno man's land ktait devnu l'snowshack.Tute ski avait dan hé trois grosses poubelles vartes tait rendu sul prélart pis ça smélangeait ek lé bouteilles cassées dans une couple de flaques pas trop trustables.Lcylind qui rtenait à porte tait arraché.Aussitôt qu'y avait un coup d'vent, à s'en allait varger sul mur de tôle dehors.Y manquait yenk dé zurlements de corneilles... Chu passé par-dessus Marcoux pis chu rentré din toilettes en espérant pas avouère à rvouère mon souper.Faque me vlà encore en train dfrencher lbol d'une toilette rendue un peu trop chummy.Encore un aute vendredi souère en Ontario, kek part ente Hearst pis nulle part, sul bord dla transcanadienne Nord, en plein milieu d'une forêt de pins brûlés.Un aute veillée passée din campe qui a l'air d'une pinte de lait éclairé par 23 fluorescents.Quat murs, quat châssis, pis ldéhors en tôle brune assez forte pour toffer les mouches noires l'été pis les hivers de mongol du nord dl' Ontario ek ses freaks de skidoo.Six grands tables ek dé pattes pliantes, un bundle de chaises d'école qui mènent du
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.366 | 0.193 |
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".