Mise en oeuvre des méthodes de la linguistique de corpus pour étudier les termes en situation d’innovation disciplinaire : le cas de l’exobiologie
Notice bibliographique
Résumé
L’utilisation des méthodes de linguistique de corpus est particulièrement pertinente pour analyser la terminologie en prenant en compte la réalité des fonctionnements tels qu’on les appréhende dans les textes. La première partie de l’article présente les arguments en faveur de ces méthodes. Elles se focalisent sur le lexique, mais permettent aussi d’étudier d’autres phénomènes linguistiques, syntaxiques, sémantiques ou discursifs. En fait, l’intérêt de la terminologie textuelle est l’étude des usages réels en prenant en compte les contextes linguistiques, mais aussi extralinguistiques. Ainsi, la terminologie textuelle propose une méthode adaptée non seulement pour définir les termes, mais aussi pour répondre à d’autres objectifs. De cette manière, l’article explique comment les méthodes de linguistique de corpus peuvent être adoptées dans une situation d’interdisciplinarité, concernant l’émergence d’une nouvelle discipline : l’exobiologie. Nous montrons comment trois types d’indices (formel, quantitatif et distributionnel) sont mis en oeuvre pour repérer des phénomènes de polysémie ou de synonymie et des cas d’emprunts. Ces mêmes types d’indices sont utilisés pour mettre en lumière dans quels cas ces phénomènes sont conscients ou non, et surtout pour repérer les cas où ils peuvent être une source de conflit. Dans une telle étude, le rôle des experts est crucial, afin de valider les résultats, mais surtout parce qu’ils en sont les utilisateurs. Enfin, nous pensons, grâce à cette présentation du panorama des phénomènes linguistiques dans un corpus interdisciplinaire concernant l’exobiologie, contribuer à la définition de cette nouvelle discipline.
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 | 0,003 | 0,004 |
| 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 | 0,000 | 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; 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 ».