traité de médecine légale et criminalistique -- 1
Bibliographic record
Abstract
Cette troisième édition est augmentée d'une importante partie consacrée à la criminalistique. Elle prend en compte toutes les techniques scientifiques les plus évoluées en matière de recherche de la preuve, de la mise en évidence des traces et indices. La génétique est mise à jour, de même que la toxicologie clinique et médico-légale. Les techniques anthropologiques sont détaillées et enrichies d'importants chapitres consacrés à la triste actualité du terrorisme, des migrants, etc. L'ostéologie est complétée d'un chapitre de pathologie de maladies infectieuses se rapportant à l'os, de traumatologie.Sont également détaillés, les aspects psychopathologiques des diverses formes de violence.La partie historique détaille non seulement l'évolution de la médecine légale à travers les âges, mais également celle de la balistique, de la criminalistique et des pandémies, jusqu'à l'actualité de ces dernières années.Plus de 150 collaboratrices et collaborateurs issus de multiples horizons et pays (France, Suisse, Belgique, Italie, Portugal, Canada, République Démocratique du Congo, pays du Maghreb, Nouvelle-Zélande, Australie, Etats-Unis, ont participé activement à cette monumentale mise à jour.
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 | 0.002 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.002 | 0.004 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.019 | 0.005 |
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".