Notice bibliographique
Résumé
In theorizing the digital text, I will take a two-pronged approach: a) what aspects of reading cannot be accounted for by the types of digital textual analysis done so far in the digital humanities, and b) how can technology (be “used” to) account for such possibilities? To answer the second question, we need to stop seeing the computer as a “means” (i.e. we “use” a computer) and to start thinking about the computer itself as a part of the literary process. This is perhaps to blur the distinction between e-literature and media studies on the one hand, and digital humanities on the other. However, it presupposes that technology is not something to be feared (as “tampering” with the text), but that it is rather something intrinsic, to be conceived on its own terms. Indeed, the computer can enhance the literary experience and highlight aspects of the text that were not noticed before, and vice versa, in a sort of feedback circuit, bringing with it hermeneutic questions that hitherto have been only indirect. What might we discover from exploring the symbiotic relationship between the text and the machine and about the minds and bodies that encounter these? Such encounters occur not only through visualization, but through sonorization and through the body. Such hybrid encounters require a broader view of language than that provided by information theory, which has apparently dominated digital literary studies. I will use my own digital humanities project on the visualization of French poet Stéphane Mallarmé’s works (http://mallarme.uvic.ca) to explore models of reading the digital.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,016 |
| Communication savante | 0,011 | 0,019 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,003 |
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 ».