Une bibliographie en ligne des Lettres : un modèle à code source libre
Notice bibliographique
Résumé
Lorsque la Bibliographie d’études comparées des littératures canadienne, québécoise et étrangères / Bibliography of Comparative Studies in Canadian, Québec and Foreign Literatures (Bibliographie CCL) a été publiée en ligne pour la première fois, en 1995, à l’Université de Sherbrooke, les chercheurs n’étaient pas prêts à composer avec la technologie requise. Par conséquent, ses premières tentatives en ligne sont tombées à plat. Cet état de fait a toutefois changé, en 2002, lorsque la Bibliographie CCL permettait l’accès à ses données en utilisant un script PHP-MySQL et un serveur Apache Web, adoptant un modèle de recherche à code source libre (Open Source Initiative) et une nouvelle approche à la publication en ligne d’une bibliographie des Lettres. Depuis 2002, bien que la recherche soit restée la même, les procédures de travail et les méthodes de publications ont changé. Les chercheurs de la CCL développent maintenant leur bibliographie électroniquement en utilisant phpMyAdmin, une interface MySQL en ligne, éliminant ainsi des besoins technologiques considérables. La publication électronique offre aujourd’hui la possibilité d’utiliser MySQL pour la compilation des formats papier. Cet article se veut un rapport intérimaire et une exemplification Open Source de la transition de la copie papier vers l’électronique pour le projet de la CCL.
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 | 0,009 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,019 | 0,023 |
| Études des sciences et des technologies | 0,004 | 0,006 |
| Communication savante | 0,026 | 0,021 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,027 | 0,012 |
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 ».