Littérature et production de l'espace à l’ère numérique. L'éditorialisation de la Transcanadienne. Du <i>spatial turn</i> à Google maps
Notice bibliographique
Résumé
À l’heure où l’espace que nous habitons est de plus en plus façonné par les outils numériques, pouvons-nous le façonner en l’éditorialisant ? La littérature peut-elle constituer un outil de production de l’espace ? Peut-elle nous permettre de nous réapproprier les lieux et les territoires en apparence dépossédés de toute valeur littéraire par les géants de l'information ? Pour le savoir, l’équipe de la Chaire de recherche du Canada sur les Écritures numériques a mis en place en 2015 un projet de recherche-action le long de l'autoroute transcanadienne. Cette route mythique qui traverse le Canada d’un océan à l’autre a en effet donné lieu à une large série de productions médiatiques : des images, des vidéos, des cartes, des textes d’histoire, des données numériques, mais aussi des récits littéraires. C’est ainsi que des infrastructures comme l’autoroute, les motels, se mêlent au discours et à l’imaginaire pour construire l'espace. Afin d’étudier cet espace hybride, nous avons entrepris de sillonner nous-mêmes l’autoroute transcanadienne dans un voyage qui nous a menés de Montréal à Calgary. Nous avons rendu compte en temps réel de notre road-trip sur différents réseaux sociaux, de manière à comprendre comment la littérature participe à la production de l'espace à l'ère du numérique en proposant différentes stratégies d'éditorialisation.
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 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,010 | 0,010 |
| Études des sciences et des technologies | 0,006 | 0,007 |
| Communication savante | 0,017 | 0,008 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,051 | 0,015 |
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 ».