Application de la sémantique intertextuelle à la modélisation de constats d'infraction de la ville de Québec
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 découle