Application de la sémantique intertextuelle à la modélisation de constats d'infraction de la ville de Québec
Notice bibliographique
Résumé
Nous modélisons un type de constat d’infraction avec le métalangage XML en appliquant l’approche de la sémantique intertextuelle au design d’objets informationnels de Marcoux. Nous établissons notre propre méthode à partir de trois méthodes de modélisation dite « classiques » : la méthode de Maler et El Andaloussi, le Document Engineering de Glushko et la méthode RASKE de Salminen. Premièrement, nous procédons à l’analyse d’un corpus sélectionné de documents et résumons les informations recueillies sur notre objet d’étude et sur son contexte d’utilisation. Nous transposons ensuite le Règlement sur la forme des constats d’infraction (C-25.1, r. 1) vers un nouveau médium, la définition de type de document, et élaborons sa spécification de la sémantique intertextuelle. Le résultat de notre travail est un prototype d’un modèle permettant la création d’un type de constat d’infraction en XML originairement électronique, et qui génère également un rendu de sa signification en langue naturelle sur une page-écran d’un navigateur. En scénarisant la DTD pour élaborer des modèles de contenus qui soient les plus séquentiels possible, et en distribuant les thèmes abordés dans le Règlement sur la forme des constats d’infraction en accord avec la syntaxe de la langue naturelle française, nous simplifions le rendu de la sémantique intertextuelle du constat XML et améliorons possiblement son idiomaticité.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».