La technologie langagière au Secrétariat d’État du Canada : une réalité quotidienne
Notice bibliographique
Résumé
Depuis le début des années 70, le Canada montre un vif intérêt pour tout ce qui touche le traitement électronique du langage. Le projet TAUM MÉTÉO et la banque de terminologie TERMWM en sont d'excellents exemples. Le Secrétariat d'État se livre maintenant à l'essai, en milieu opérationnel, de deux outils de traduction haute technologie, soit du logiciel de TAO LOGOS et du poste de travail du traducteur (PTT). Les expériences menées jusqu'à ce jour ont donné lieu à diverses évaluations techniques ainsi qu'à des études linguistiques et ergonomiques, notamment à l'établissement d'une typologie des textes pouvant se prêter au traitement machine. Le Secrétariat d'État travaille dorénavant en étroite collaboration avec la société Logos et avec le centre de recherche responsable de la conception du PTT afin d'améliorer les prototypes à la lumière des besoins et des recommandations des traducteurs. Outre les deux grands projets-pilotes susmentionnés, le Secrétariat d'État vient également de doter l'ensemble de ses 800 traducteurs de micro-ordinateurs haut de gamme et il procède actuellement à la création d'une trousse d'ouvrages électroniques. De plus, il collabore à la mise au point d'une station de travail pour terminologue appelée LATTER (L'ATelier du TERminologue), dont le premier prototype sera mis à l'essai à l'été 1992. Toutes ces entreprises tendent vers un but à long terme, soit l'intégration en un seul et même système des meilleures aides à la traduction disponibles sur le marché. C'est ainsi que le traducteur de demain pourra, de son poste de travail, communiquer directement avec son client, consulter toutes les sources de documentation et les bases de données terminologiques électroniques nécessaires, confier la traduction de certains passages à un logiciel de traduction et, le cas échéant, procéder à l'éditique de son texte. Les possibilités sont immenses dans le domaine du traitement des langues naturelles, et le Secrétariat d'État du Canada déploie des efforts soutenus afin de demeurer à la tête du peloton.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; un appel candidat d’une seule tête enseignante, 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 ».