Termes complexes et langues de spécialité en sciences humaines et sociales : que nous apprennent les textes intégraux ?
Notice bibliographique
Résumé
À partir d’un corpus d’articles scientifiques de trois disciplines de sciences humaines (archéologie, linguistique et psychologie), l’étude que nous présentons a pour objectif d’examiner la composition des candidats termes polylexicaux de forme N_Adj (langage humain, niveau individuel, origine sociale, structure syllabique). Nous nous concentrons sur les occurrences de candidats termes considérées comme relevant d’un usage disciplinaire par les annotateurs experts de chaque discipline. Nous nous intéressons, en particulier, aux classements possibles des noms et des adjectifs dans trois lexiques en interaction dans l’écrit scientifique : le lexique scientifique transdisciplinaire, les ressources terminologiques et le lexique de la langue générale. Les candidats termes analysés ont au moins un composant, le nom ou l’adjectif, qui appartient à au moins deux des trois disciplines du corpus. À l’issue de cette étude, nous constatons le rôle primordial du lexique disciplinaire et ses interactions fréquentes avec le lexique scientifique transdisciplinaire dans la formation des termes polylexicaux de forme N_Adj.
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 | 0,004 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,007 | 0,011 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».