Maintaining the balance between knowledge and the lexicon in terminology
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
This paper argues for an approach to terms—based on Frame Semantics (Fillmore in Ann N Y Acad Sci Conf Origin Dev Lang Speech 280:20–32, 1976; Fillmore and Baker in A Frames Approach to Semantic Analysis, 313–339, 2010)— that takes into account their linguistic properties and shows how terms and their properties are connected formally to the expression of knowledge in specialized fields. I briefly present the theoretical assumptions underlying this proposal. The main part of the article describes the methodology devised to implement the proposal in two terminological resources that are under development at the Observatoire de linguistique Sens-Texte (OLST). The methodology that comprises seven main steps is based on that of FrameNet (https://framenet.icsi.berkeley.edu/fndrupal/, 2017. Accessed 20 January 2017) (Ruppenhofer et al. in FrameNet II: extended theory and practice. https://framenet.icsi.berkeley.edu/fndrupal/index.21php?q=the_book, 2016. Accessed 27 January 2017), the lexical implementation of Frame Semantics. I illustrate the methodology by applying it to terms that belong to the field of endangered species, a subfield of the environment.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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