La médiation numérique : renouvellement et diversification des pratiques
Notice bibliographique
Résumé
Cet article présente les résultats de la deuxième phase d’un projet de recherche visant à développer une interface bilingue pour le repérage d’images numériques. Le principal objectif de cette phase de l’étude était d’examiner le rôle et l’utilité des fonctionnalités disponibles pour le processus de repérage d’images, du point de vue de chercher d’images. Un questionnaire bilingue (français et anglais) comportant des questions ouvertes et fermées a été élaboré et administré à deux groupes de participants : 20 répondants de langue française et 20 de langue française anglaise. Les données quantitatives recueillies ont été analysées selon des méthodes statistiques, tandis que le contenu des questions ouvertes a codé pour identifier les thèmes émergents. Cette étude montre que le processus de repérage d’images présente encore des difficultés et des frustrations pour le chercheur d’image. Les conclusions établissent que la recherche par mot-clé reste la principale méthode de repérage, comparativement au repérage par catégories prédéfinies ou par à l’aide d’une image ou d’un dessin. Finalement, les résultats de cette étude exploratoire mettent en relief plusieurs fonctionnalités comme une partie intégrante du processus de repérage d’images et révèlent l’importance d’être en mesure de repérer des images avec des mots extraits de plusieurs langues.
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 | 0,016 | 0,059 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,010 |
| Communication savante | 0,013 | 0,012 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 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 ».