Méthodes et défis du repérage d’images sur le Web : Jean et John cherchent-ils de la même manière ?
Notice bibliographique
Résumé
Nous faisons ici le point sur les principales méthodes employées pour le repérage d’images numériques que l’on trouve dans la majorité des sites et pages Web. Les méthodes d’indexation manuelles et automatiques facilitant le repérage d’images sont également décrites. Nous nous attardons plus particulièrement sur les problèmes rencontrés par les chercheurs d’images lors du repérage en contexte multilingue, c’est-à-dire lorsque la langue de la requête diffère de la langue d’indexation. Le principal objectif de cette étude était d’identifier les similarités et les différences dans la manière de formuler les requêtes de quatre groupes de participants de langue maternelle différente au moment du repérage d’images sur le Web. Nous avons demandé à quatre groupes de dix participants de quatre communautés linguistiques différentes (française, anglaise, russe et chinoise) de préciser quelles catégories de termes ils utilisent en général dans leurs requêtes lors de la recherche d’images sur le Web. Les résultats de notre étude sur les comportements de recherche des chercheurs d’images de quatre communautés linguistiques différentes ont révélé des différences significatives dans la manière de chercher (nombre de requêtes utilisées, longueur des requêtes, attributs conceptuels et terminologiques contenus dans les requêtes). Ces différences doivent être prises en considération au moment de l’élaboration des fonctionnalités de recherche proposées par les moteurs permettant la recherche d’images. En outre, la manière de chercher des images varie en fonction de la langue maternelle du chercheur d’images. Le défi de l’accès aux images, peu importe leur mode d’indexation, reste entier.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,023 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,059 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».