Notice bibliographique
Résumé
Depuis l’article programmatique de Shlesinger (1998), beaucoup de corpus d’interprétation ont vu le jour. Il s’agit de corpus constitués d’interprétations effectuées dans des contextes de conférences, dans le domaine médical, ou encore dans des situations institutionnelles comme la télévision. Malgré les différences portant sur le contexte situationnel, ils présentent des traits communs sur le plan de leur dimension, qui est en général limitée, et de leur exploitation, qui est, quant à elle, conditionnée par la présence ou l’absence de l’alignement des transcriptions avec l’audio ou l’image, de même que par le niveau d’étiquetage choisi. Nous nous proposons de réfléchir à ces aspects, en illustrant brièvement les caractéristiques de deux corpus collectés à l’Université de Trieste tels que CorIT (corpus d’interprétation à la télévision italienne) et CorILex (corpus d’interprétation judiciaire) et en mettant en évidence les obstacles qui ont entravé ou qui conditionnent leur collecte. Nos remarques conclusives porteront enfin sur les traits qui différencient ces deux corpus dans le but de les articuler avec les réflexions qui se sont développées au sein de la linguistique de corpus afin de déterminer la place des corpus d’interprétation à l’intérieur d’un domaine qui se montre de plus en plus diversifié, hétérogène et interdisciplinaire.
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 | 0,052 | 0,135 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,007 | 0,009 |
| Études des sciences et des technologies | 0,008 | 0,018 |
| Communication savante | 0,021 | 0,027 |
| Science ouverte | 0,006 | 0,017 |
| Intégrité de la recherche | 0,004 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,007 |
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 ».