MétaCan
Menu
Retour à la cohorte
Enregistrement W1974289591 · doi:10.5539/ass.v5n3p25

A Cognitive Model for Recognition of Genre

2009· article· en· W1974289591 sur OpenAlexvenueno aff
Huijun Chen

Notice bibliographique

RevueAsian Social Science · 2009
Typearticle
Langueen
DomaineComputer Science
ThématiqueNatural Language Processing Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSchema (genetic algorithms)Computer scienceCognitionCognitive modelImage schemaThread (computing)Top-down and bottom-up designNatural language processingCognitive scienceArtificial intelligenceLinguisticsPsychologyCognitive linguisticsInformation retrieval

Résumé

récupéré en direct d'OpenAlex

This paper discusses the cognitive process (es) in recognizing instances of genre and the effects of generic features have on recognition of genre. Following the ESP tradition, the paper takes the communicative purpose as the defining feature of a genre and follow Martin’s stratified model of language and context in for the analysis. Based on a preliminary study conducted among three geologists, this paper proposes a model revealing the cognitive process (es) in recognition of instances of genre. According to the model, the cognitive recognition of a genre basically goes from the bottom up, and the effects that the generic features have on recognition of instances of genres decrease from the top down. However, as the cognitive processes are very complicated, the top-down and bottom-up processes may sometimes interweave. Even at each stratum alone, the reader may have to experience a complicated interactive process. The schema theory is an important theory that works as a general thread throughout the model proposed. Apart from the general schema-matching processes at the beginning and the end of the whole processes, there might exist a schema-matching process at each processing stratum, too.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,002
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,005
Communication savante0,0050,010
Science ouverte0,0020,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,328
Écart entre enseignants0,297 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetNatural Language Processing TechniquesTravaux en français237 207