MétaCan
Menu
Retour à la cohorte
Enregistrement W2930492841 · doi:10.5281/zenodo.1451753

OcOr : a Corpus of Occitan Oral Narratives

2018· dataset· en· W2930492841 sur OpenAlexaff
Marianne Vergez-Couret, Janice Carruthers

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2018
Typedataset
Langueen
DomaineArts and Humanities
ThématiqueMedieval European Literature and History
Établissements canadiensQueen's University
Organismes subventionnairesEuropean Commission
Mots-clésNarrativeLinguisticsArtHistoryLiteraturePhilosophy

Résumé

récupéré en direct d'OpenAlex

OcOr is a corpus of Occitan oral narratives. This corpus is one of the outputs of the project ExpressioNarration, financed by a Marie Sklodovska Curie Fellowship (2016-2018, n°655034). It includes three sub-corpora, constituted as follows: • OOT (Occitan, oral, traditional): stories drawn from fieldwork among native speakers in the Occitan domain, recorded by the COMDT (Conservatoire Occitan des Musiques et Danses Traditionnelles - http://www.comdt.org/), transcribed and digitised for the project by the researchers. • OWT (Occitan, written, traditional): published literary stories, digitised by and for the project by the researchers. These are stories collected from oral sources and produced in a publishable written version. • OOC (Occitan, oral, contemporary): stories recounted by contemporary artists, taken from existing recordings and two Toulouse storytelling events organised by the project in collaboration with the Institut d'Etudes Occitanes (IEO), in 2016. The stories were recorded during the events and subsequently transcribed and digitised by the researchers. The overall aim of the ExpressioNarration project was to use contemporary linguistic theory to explore the relationship between language and orality, with a specific focus on key temporal features of oral narrative in Occitan, including ‘tenses’, ‘connectives' and 'frame introducers'. These features were thus annotated in the three sub-corpora. All the sub-corpora are disseminated in XML format (TEI-P5) and PDF. Each story is available as an annotated XML document, an annotated PDF and a stripped PDF document. Full metadata appears in the Header of each XML document, with information on speakers (e.g. gender, age, place of origin, education, languages spoken), variety of Occitan (or dialect), authors/editorial information (in the case of OWT) and story-type when relevant (i.e. the Aarne Thompson category). For each sub-corpus, a user-friendly summary of this metadata is also available in an Excel spreadsheet: these are contained in the OcOr zipfile. The annotation system was designed by the researchers and is given in full in the Header of each XML document. For further information on the constitution of the corpus and discussion of the theoretical and methodological issues relating to data collection, digitisation and annotation, please read the following article in the journal Corpus, written by the researchers and entitled ‘Méthodologie pour la constitution d’un corpus comparatif de narration orale en Occitan : objectifs, défis, solutions’, available at: https://journals.openedition.org/corpus/3490.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,098

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,013
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0090,015
Études des sciences et des technologies0,0040,003
Communication savante0,0060,003
Science ouverte0,0020,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0290,008

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.

Tête enseignante Opus0,049
Tête enseignante GPT0,243
Écart entre enseignants0,194 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetMedieval European Literature and HistoryTravaux en français237 207