Multilinguisme et langages documentaires : le projet MACS en contexte européen
Notice bibliographique
Résumé
Fournir un accès par sujet multilingue à leurs catalogues est devenu pour plusieurs bibliothèques nationales européennes un enjeu important. Avec le développement du Web, qui permet à n’importe qui de faire une recherche dans n’importe quel catalogue en ligne, l’accès thématique assuré par un langage documentaire monolingue dans la plupart des bibliothèques nationales européennes constitue un obstacle important à une recherche documentaire efficace. Conscientes de cette lacune et voulant profiter de la richesse des réseaux et de la disponibilité de plusieurs langages documentaires, quatre bibliothèques nationales ont lancé le projet MACS (Multilingual Access to Subjects) sous l’égide de la CENL (Conférence des bibliothèques nationales européennes) en 1998. Cet article décrit la stratégie du projet MACS pour développer, dans un premier temps, un accès par sujet multilingue grâce à l’établissement de concordances (mapping) entre les vedettes des langages documentaires suivants : RAMEAU (Bibliothèque nationale de France), LCSH (British Library) et SWD (Deutsche National-Bibliothek et Bibliothèque nationale suisse). Nous expliquerons comment cette approche a été développée et sur quelles bases les liens entre les vedettes des différents langages documentaires sont créés.
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 | 0,009 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».