Dépouillement terminologique assisté par ordinateur de sites Web spécialisés
Notice bibliographique
Résumé
Nous pouvons tous constater quotidiennement que l’importance d’Internet grandit sans cesse. De nombreux sites traitant de domaines spécialisés sont intéressants du point de vue du terminologue, mais n’ont pas encore fait l’objet d’un dépouillement terminologique. Certains domaines, comme celui de la réservation en ligne, dont les réalisations sont majoritairement électroniques, ne peuvent être dépouillés qu’en faisant appel à une batterie d’outils spécialisés. Dans l’élaboration d’un lexique portant sur le domaine de la « réservation en ligne », réalisé conjointement avec l’ Office québécois de la langue française et Amex Canada Inc. , nous avons adapté les méthodes de travail traditionnelles afin de pouvoir récupérer et exploiter les données contenues sur la Toile. Dans cet article, nous présenterons d’abord les particularités du domaine à l’étude et la méthodologie utilisée pour mener à bien notre démarche, puis nous analyserons les impacts qu’une telle démarche pourrait avoir sur le travail des terminologues.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,001 | 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 ».