Présentation de six bases de données portant sur les arts et la culture
Notice bibliographique
Résumé
Pour compléter le dossier en l’ouvrant à d’autres domaines que la littérature, on trouvera ici des présentations brèves de six bases de données conçues dans le cadre de recherches historiques ou sociologiques portant sur les arts et la culture, à partir de réponses à six questions. Ces questions portaient sur la naissance du projet de base de données, la délimitation du corpus, l’ancrage disciplinaire et/ou théorique du projet, les logiciels utilisés, les résultats scientifiques auxquels ces démarches ont permis d’aboutir, ainsi que sur l’accessibilité des bases ainsi constituées. Le caractère pionnier, la rigueur et l’ampleur des projets de recherche qui leur ont donné naissance ont guidé la sélection des bases présentées : la base de données sur les écrivains, les œuvres et les revues littéraires francophones belges du Collectif interuniversitaire d’étude du littéraire (CIEL) ; la base de données ayant servi à l’édition de la correspondance de Pierre Bayle ; la base de données Chronopéra ; la base Manart, consacrée aux manifestes artistiques et littéraires au xxe siècle ; les bases de données en histoire du livre et de l’édition montées par le Groupe de recherches et d’études sur le livre au Québec (GRÉLQ) ; ainsi que le projet ARTL@S, comprenant notamment une base de catalogues d’expositions.
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 | 0,016 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,019 | 0,022 |
| Études des sciences et des technologies | 0,008 | 0,005 |
| Communication savante | 0,014 | 0,012 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,039 | 0,010 |
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 ».