Volume 49, Number 2, 2026

EN:

The classical paradigm of knowledge organization, epitomized by hierarchical systems like Dewey Decimal Classification (DDC), is predicated on a nineteenth-century model of certainty and order. Contemporary scholarship has revealed its inherent limitations, including structural biases, epistemic injustice, and an inability to accommodate the fluid, interdisciplinary nature of modern knowledge. While computational models have increased efficiency, they largely inherit the classical goal of reducing ambiguity to a single, authoritative outcome. This paper argues for a paradigm shift, proposing a novel theoretical framework for classification inspired by the field of quantum cognition. The framework reconceptualizes the information object not as a static entity with intrinsic properties, but as a dynamic system of potential meanings. We adapt three core concepts from quantum theory for library science: Knowledge Superposition to model interdisciplinarity, Semantic Entanglement to provide a formal basis for serendipity, and Observer-Dependent Measurement to address issues of subjectivity and classificatory authority. The viability of this framework is demonstrated through a computational proof-of-concept that simulates how a single, multifaceted document can yield different, probabilistic classifications based on the user’s contextual perspective. This approach offers a robust solution to long-standing challenges, shifting classificatory authority from the institution to the user and providing a path toward transforming the library from a static repository into a dynamic, participatory knowledge system.

FR:

Le paradigme classique de l’organisation des connaissances, incarné par des systèmes hiérarchiques tels que la Classification décimale de Dewey (CDD), repose sur un modèle du XIXe siècle fondé sur la certitude et l’ordre. Les recherches contemporaines ont mis en évidence ses limites intrinsèques, notamment des biais structurels, des injustices épistémiques et une incapacité à rendre compte de la nature fluide et interdisciplinaire des savoirs modernes. Bien que les modèles computationnels aient accru l’efficacité, ils héritent en grande partie de l’objectif classique consistant à réduire l’ambiguïté à un résultat unique et autoritaire. Cet article plaide pour un changement de paradigme en proposant un nouveau cadre théorique de classification inspiré du domaine de la cognition quantique. Ce cadre reconceptualise l’objet informationnel non comme une entité statique dotée de propriétés intrinsèques, mais comme un système dynamique de significations potentielles. Nous adaptons trois concepts fondamentaux de la théorie quantique aux sciences de l’information : la superposition des connaissances pour modéliser l’interdisciplinarité, l’intrication sémantique pour fournir une base formelle à la sérendipité, et la mesure dépendante de l’observateur pour traiter des questions de subjectivité et d’autorité classificatoire. La viabilité de ce cadre est démontrée au moyen d’une preuve de concept computationnelle qui simule comment un document unique et multiforme peut donner lieu à différentes classifications probabilistes en fonction de la perspective contextuelle de l’utilisateur. Cette approche offre une solution robuste à des défis de longue date, en transférant l’autorité classificatoire de l’institution vers l’utilisateur et en ouvrant la voie à une transformation de la bibliothèque, d’un dépôt statique vers un système dynamique et participatif de la connaissance.

EN:

Topic modelling has become a prominent tool for the study of scientific fields, as they allow for a large-scale interpretation of research trends. Nevertheless, the output of these models is structured as a list of keywords, which requires a manual interpretation for the labelling. This paper proposes to assess the reliability of three LLMs, namely flan, GPT-4o, and GPT-4 mini for topic labelling. Drawing on previous research leveraging BERTopic, we generate topics from a dataset of all the scientific articles (n=34,797) authored by all biology professors in Switzerland between 2008 and 2020, as recorded in the Web of Science database. We assess the output of the three models both quantitatively and qualitatively and measure the effect of the temperature parameter in GPT models and find that, first, both GPT models are capable of correctly and precisely labelling topics from the models' output keywords at the default temperature. Second, 3-word labels are preferable to grasp the complexity of research topics.

FR:

La modélisation thématique est devenue un outil majeur pour l’étude des champs scientifiques, car elle permet une interprétation à grande échelle des tendances de recherche. Néanmoins, la sortie de ces modèles se présente sous la forme d’une liste de mots-clés, ce qui nécessite une interprétation manuelle pour leur étiquetage. Cet article propose d’évaluer la fiabilité de trois grands modèles de langage (LLM), à savoir Flan, GPT‑4o et GPT‑4 mini, pour l’étiquetage de thèmes. En s’appuyant sur des recherches antérieures utilisant BERTopic, nous générons des thèmes à partir d’un ensemble de données comprenant tous les articles scientifiques (n = 34 797) publiés par l’ensemble des professeurs de biologie en Suisse entre 2008 et 2020, tels que recensés dans la base de données Web of Science. Nous évaluons les résultats des trois modèles à la fois de manière quantitative et qualitative, et analysons l’effet du paramètre de température dans les modèles GPT. Nous constatons, premièrement, que les deux modèles GPT sont capables d’étiqueter correctement et précisément les thèmes à partir des mots-clés générés par les modèles à la température par défaut. Deuxièmement, les étiquettes composées de trois mots sont préférables pour saisir la complexité des thèmes de recherche.

EN:

This paper provides an overview of mobile storytelling applications developed for and by Indigenous communities. It identifies and examines a variety of mobile applications to support Indigenous cultural and linguistic heritage. These applications include those reported in the literature as well as those available in application stores. The review provides a detailed overview of the mobile application interface functions and features, including recording capabilities, language-related features, accessibility, content categorization, and geolocation. Based on the review, this paper provides a set of design recommendations for developing mobile applications for Indigenous communities, including for Indigenous protocols, voices, and community needs.

FR:

Cet article propose un aperçu des applications mobiles de narration développées pour et par des communautés autochtones. Il identifie et analyse diverses applications mobiles visant à soutenir le patrimoine culturel et linguistique autochtone. Ces applications comprennent celles décrites dans la littérature ainsi que celles disponibles dans les boutiques d’applications. La recension offre une vue détaillée des fonctions et caractéristiques des interfaces mobiles, notamment les capacités d’enregistrement, les fonctionnalités liées aux langues, l’accessibilité, la catégorisation du contenu et la géolocalisation. À partir de cette analyse, l’article présente un ensemble de recommandations de conception pour le développement d’applications mobiles destinées aux communautés autochtones, en tenant compte des protocoles autochtones, des voix communautaires et des besoins locaux.