La modélisation de l'analyse documentaire: à la sémiotique, de la psychologie cognitive et de l'intelligence artificielle
Notice bibliographique
Résumé
La sémiotique textuelle et la psychologie cognitive sont mises à contribution pour modéliser différentes opérations d'analyse documentaire. On expose les éléments du modèle théorique et la complémentarité des approches. L'attribution de propriétés relevant de systèmes sémiotiques divers sur les textes primaires et secondaires permet de retrouver les unités et certaines des caractéristiques privilégiées de façon générale ou par chaque individu. Les enquêtes cognitives auprès des experts corroborent ou complétent l'analyse des corpus. Quelques exemples de résultats obtenus par l'analyse statistico-linguistique lors de deux expérimentations illustrent l'utilité de la méthodologie, notamment pour la conception de systèmes experts d'aide à la lecture.Textual semiotics and cognitive psychology are advocated to model several types of documentary analysis. A theoretical model is proposed which combines elements from the two disciplines. Thanks to the addition of values of properties pertaining to different semiotic systems to the primary and secondary texts, one can retrieve the units and the characteristics valued by a group of indexers or byone individual. The cognitive studies of the experts confirm or complete the textual analysis. Examples from the findings obtained by the statistico-linguistic analysis of two corpora illustrate the usefulness of the methodology, especially for the conception of expert systems to assist whatever kind of reading.
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 | 0,005 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,008 |
| Communication savante | 0,011 | 0,009 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».