Les rapports entre muséologie et histoire : une relation à approfondir
Bibliographic record
Abstract
Je tiens à commencer ce travail en remerciant tous ceux qui m'ont soutenue et aidée dans le long processus de sa réalisation.D'abord, un immense merci à mes deux répondants au Musée canadien de l'histoire qui ont fait de la place pour moi dans leur horaire et ont répondu avec générosité à mes questions.Merci pour votre ouverture et votre accueil.Je tiens également à mentionner l'aide de Marie-Charlotte Franco qui m'a accompagnée dans l'élaboration de ce projet et m'a donnée de bonnes références pour étoffer ma réflexion.En tant que chargée de cours, elle a su créer une ambiance de travail et de partage propice à l'avancement et à l'ouverture aux commentaires de mes pairs.Un grand merci également à mon directeur de travail dirigé, Bernard Schiele, qui a su m'accompagner durant ce processus par ses encouragements constants.Sur une note plus personnelle, je tiens à remercier mon entourage qui a accepté que je prenne un peu de distance pour me consacrer de longues heures à ma recherche.Ils ont été très compréhensifs, encourageants et leur confiance m'a donné la force de continuer chaque jour.Sans cela, une telle persévérance n'aurait pu être réalisable.Un immense merci revient finalement à France Bourassa, directrice générale du Musée du Haut-Richelieu, où je travaille, qui m'a soutenue tout au long de mon parcours.Jamais mes études, ni même un stage de trois mois à l'étranger, n'ont eu d'impacts sur mon emploi à cet endroit.Je la remercie sincèrement de son soutien et de sa gentillesse envers moi.Elle m'a toujours aidée à faire passer mes études en premier, elle m'a encouragée et offert des possibilités en or pour me perfectionner.Cette réflexion ne serait pas la même sans les connaissances que j'ai acquises en travaillant à ce musée.Merci pour tout France, et au plaisir de travailler à tes côtés durant de longues années encore.
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 | 0.007 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.011 | 0.014 |
| Scholarly communication | 0.015 | 0.006 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.025 | 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".