!10?*'D B+/C(!C(*!,+.&"(*!C(!"3!5)3%I8(!8.)&W.%+3"(!(M+)XH(!73)!"#3*+,).*&*H.".Y&(
Bibliographic record
Abstract
Au crépuscule de ces trois années de thèse vient l’heure des remerciements, et c’est avec grand plaisir que j’écris ces quelques lignes afin de remercier les très nombreuses personnes qui ont contribué d’une manière ou d’une autre à rendre cette expérience inoubliable... tel-00358838, version 1- 4 Feb 2009 Mes premiers remerciements s’adressent à Stéphane Charpinet, sans qui rien ne serait arrivé. Merci de m’avoir initiée à ce domaine passionnant, d’avoir encadré parfaitement la majeure partie de ce travail et d’avoir proposé cette collaboration franco-québécoise pour laquelle je n’ai pas hésité une seconde! J’ai également beaucoup apprécié la confiance que tu m’as accordée tout au long de la thèse. Un très chaleureux merci à Gilles Fontaine, qui est une personne aux très belles qualités humaines, avec une générosité et un enthousiasme débordants. J’ai énormément apprécié nos longues discussions qui m’ont beaucoup appris, tant sur la recherche que sur la vie au Québec. Les télescopes géants du Cerro Paranal dans le désert d’Atacama au Chili m’ont toujours fasciné, et avoir pu m’y rendre directement pour l’observation de nos étoiles a dépassé toutes mes espérances! Suzanna, je ne te remercierai jamais assez pour ce cadeau.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.902 | 0.912 |
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; the direct Gemma label and the distilled Codex classifier agree on what is shown here.
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".