Notice bibliographique
Résumé
1. Foreword (by Crystal, David) 2. Introduction (by Cougnon, Louise-Amelie) 3. Articles 4. Seek&Hide: Anonymising a French SMS corpus using natural language processing techniques (by Accorsi, Pierre) 5. SMS experience and textisms in young adolescents: Presentation of a longitudinally collected corpus (by Bernicot, Josie) 6. Automatic or Controlled Writing?: The Effect of a Dual Task on SMS Writing in Novice and Expert Adolescents (by Combes, Celine) 7. Development of SMS language from 2000 to 2010: A comparison of two corpora (by Kirsten-Torrado, Ursula) 8. Texto4Science: A Quebec French database of annotated text messages (by Langlais, Philippe) 9. SMS communication as plurilingual communication: Hybrid language use as a challenge for classical code-switching categories (by Morel, Etienne) 10. French text messages: From SMS data collection to preliminary analysis (by Panckhurst, Rachel) 11. A sociolinguistic analysis of transnational SMS practices: Non-elite multilingualism, grassroots literacy and social agency among migrant populations in Barcelona (by Sabate Dalmau, Maria) 12. Negation marking in French text messages (by Stark, Elisabeth) 13. i didn't spel that wrong did i. Oops: Analysis and normalisation of SMS spelling variation (by Tagg, Caroline) 14. Lol, mdr and ptdr: An inclusive and gradual approach to discourse markers (by Uygur-Distexhe, Deniz) 15. Index
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,029 | 0,012 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».