Bibliographic record
Abstract
Dans ce qui suit, je décrirai trois systèmes « undergraduate », celui que j’ai suivi (il y a longtemps) dans mon pays natal, la Roumanie, celui du Canada, et celui des États-Unis. Je conclurai avec quelques brèves remarques sur les qualités et les risques de ce dernier. En Roumanie, à l’époque lointaine où j’ai fait mes études, les candidats à l’entrée à l’université choisissaient leur domaine de spécialisation bien avant le concours d’entrée, qu’ils devaient préparer très sérieusement. Ce concours consistait dans deux épreuves écrites dont la moyenne était éliminatoire, suivies, pour ceux qui avaient réussi à passer, par un examen oral. Pour ceux qui souhaitaient étudier la langue et la littérature du pays, les épreuves écrites vérifiaient la connaissance de la littérature nationale telle qu’apprise au secondaire et celle de l’histoire moderne. L’oral portait également sur ces deux sujets. À la suite d’une des premières actions de discrimination positive, la moitié des places disponibles était réservée aux candidats dont les parents étaient ouvriers, paysans pauvres ou activistes du Parti. Ce volet du concours choisissait à peu près un candidat sur trois. Au concours pour les autres candidats, qui se disputaient la deuxième moitié des places, la réussite était en proportion de un sur vingt. Une fois à l’université, les étudiants suivaient un programme chargé : entre 30 et 36 heures de cours et de séminaires par semaine, du lundi au samedi. Tous les cours étaient
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.025 | 0.001 |
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; both teacher heads 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".