Contenus XR et quête de pérennité à l'ère numérique : analyse des stratégies de conservation des récits interactifs dans le contexte canadien
Bibliographic record
Abstract
Dans ce mémoire de recherche intitulé Contenus XR et quête de pérennité à l’ère numérique : analyse des stratégies de conservation des récits interactifs dans le contexte canadien, il est question de la conservation des oeuvres interactives web et applicatives dans un contexte d'obsolescence technologique où l'évolution rapide des plateformes et logiciels rend la préservation des contenus numériques difficile. Les questions de recherche s'articuleront autour d'une problématique principale : peut-on assurer une certaine conservation et une accessibilité des récits interactifs délinéarisés dans un contexte technologique instable ? Ce qui nous amène à nous interroger sur le rôle des parties prenantes créatrices de ces oeuvres quant à cette problématique : comment développer des stratégies pour conserver les oeuvres interactives de l’industrie audiovisuelle canadienne ? Avec l’évolution rapide des plateformes, comment les créateurs, les producteurs et experts en technologie et conservation doivent-ils se positionner face à cet enjeu et quelles responsabilités doivent-ils assumer pour que des solutions soient mises en application ? Les défis rencontrés sont-ils les mêmes d’un médium à un autre ? Comment tous les acteurs concernés peuvent travailler de pair afin d’arriver à des pistes de solution ? Cette analyse se base sur un cadre théorique renvoyant aux études intermédiales et à l'archéologie des médias, et à des concepts liés à la mémoire culturelle, l'archive, la réalité étendue et le langage technique du web et des données. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : conservation, archive, interactif, XR, réalité étendue, pérennité, récits numériques
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 | 0.003 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.009 | 0.008 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.019 | 0.002 |
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".