Critères de sélection et de priorisation des projets de numérisation aux Bibliothèques de l’Université de Montréal
Bibliographic record
Abstract
Les projets de numérisation des Bibliothèques de l’Université de Montréal ont pour objectifs principaux de préserver à long terme et de diffuser largement des ressources documentaires sélectionnées. Ces projets s’appuient sur des critères distincts de sélection et de priorisation pour optimiser l’utilisation des ressources limitées, maximisant ainsi leur impact. Les critères de sélection consistent en l'alignement stratégique, la demande et l'intérêt, la valeur de la ressource, l'état physique, la valeur ajoutée par la numérisation et le statut légal quant à la diffusion possible. Les critères de priorisation concernent quant à eux les coûts et la faisabilité, les partenariats et les financements possibles, l'évaluation de l'impact attendu ainsi que les considérations légales et éthiques. Une grille pondérée des critères est proposée en annexe pour guider la prise de décision, avec des pondérations initiales pouvant être ajustées par consensus entre les responsables.
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 | 0.029 | 0.096 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.017 | 0.018 |
| Science and technology studies | 0.005 | 0.003 |
| Scholarly communication | 0.020 | 0.004 |
| Open science | 0.004 | 0.006 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.048 | 0.012 |
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".