MétaCan
Menu
Retour à la cohorte
Enregistrement W2740009593

Software Support for Multi-Lingual Legislative Drafting

2004· article· en· W2740009593 sur OpenAlexvenueno aff
William J. McIver

Notice bibliographique

RevueNPARC · 2004
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLegal Language and Interpretation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSummitLegislatureWork (physics)SoftwareFace (sociological concept)Civil societyPolitical scienceComputer scienceSoftware engineeringPublic relationsEngineeringPoliticsSociologyLawGeographyProgramming languageSocial science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Non-governmental organizations (NGOs) face a broad spectrum of barriers to effective transnational cooperation (Ó Siochrú 2003). One critical barrier is the lack of ready access to software tools that facilitate transnational, multi-lingual, collaborative work. As an example, Civil Society's drafting processes for the World Summit on the Information Society (WSIS) have been very complicated, tedious, and prone to error. Complicating the process further is the fact that NGO communities are now often distributed across multiple languages. There are, for example, six official languages in WSIS. Truly democratic debate over document revisions is severely hampered if translations are not available. This then negatively impacts the sustainability of such processes.A number of content management systems now exist that might be extended and adapted for this purpose, but no fully functional system as such exists that is accessible to the majority of NGOs. A critical factor here is the use of a free software model. Proprietary solutions are usually prohibitively expensive and, thus, are neither accessible nor sustainable with the NGO community. This paper will present the context in which advanced collaboration tools for NGOs is needed. It will also discuss general system requirements and provide technical background.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,020
score de la tête « metaresearch » (Gemma)0,051
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,107

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,051
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0050,004
Études des sciences et des technologies0,0020,002
Communication savante0,0060,010
Science ouverte0,0050,007
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0290,016

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,363
Écart entre enseignants0,322 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNPARCMême sujetLegal Language and InterpretationTravaux en français237 207