Exploring the Digital Humanities: An Interview with Mark Algee-Hewitt, Ph.D.
Notice bibliographique
Résumé
Mark Algee-Hewitt is an Assistant Professor in the department of English and the Co-Director of the Stanford Literary Lab. His work focuses on the eighteenth and early nineteenth centuries in England and Germany and seeks to combine literary criticism with digital and quantitative analyses of literary texts. In particular, he is interested in the history of aesthetic theory and the development and transmission of aesthetic and philosophic concepts during the Enlightenment and Romantic periods. He is also interested in the relationship between aesthetic theory and the poetry of the long eighteenth century. At the Literary Lab, Dr. Algee-Hewitt leads projects on suspense literature, the relationship between titles and texts in the long eighteenth century, and gender performance in the dialogue of novels written during the Romantic period. He is also a collaborator on the Canon/Archive project, Micromegas, the Transhistorical Poetry project, Modeling Dramatic Networks, and a project on the Supreme Court and Environmental Law. Outside of Stanford, Dr. Algee-Hewitt is a partner in the ongoing NovelTM partnership grant and is an associate principal investigator of the Stanford branch of the Global Currents Digging into Data project. Building on this work, he has ongoing collaborations with Andrew Piper at the .txt lab at McGill University in Montreal, and with the North American Concept Lab, based at New York University. He is also a member of the executive board of 18thConnect and is on the visualization advisory committee of the Digital Mitford project.
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 | 0,008 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,023 | 0,015 |
| Communication savante | 0,010 | 0,012 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,005 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».