Historiography’s Two Voices: Data Infrastructure and History at Scale in the Oxford Dictionary of National Biography (ODNB)
Notice bibliographique
Résumé
On its release in 2004, the Oxford Dictionary of National Biography was called “the greatest book ever” and “a more enthralling read than all the novels ever entered for the Booker Prize put together.” The tabloid The Daily Mail, where these giddy pronouncements appeared, is not known for understatement, but more cautious academic researchers have long held the ODNB in similarly high esteem. Stefan Collini, writing in the London Review of Books, found himself “experiencing a rare, and wholly unironic, feeling that mixes pride and humility with a dash of wonder” when he considered “generations to come making use of this vast consolidation of scholarly accuracy for purposes of their own which may be barely imaginable to us now.” Taking into account both the hardbound version and what most assume is its digital doppelgänger at oxforddnb.com, Noel Malcolm in The Sunday Telegraph called the ODNB “an astonishing piece of work: a colossal, beautiful, fully functional and utterly user-friendly engine of enlightenment.” Reviewers’ initial responses—awe and astonishment—have, until recently, arguably been the responses most appropriate to the ODNB considered in its entirety. The enormous scope of ODNB, which is the work of roughly 10,000 scholars, runs to 60 volumes in print, and is made up of more than 62 million words, quickly defeats the capacities of even those most eager to praise it.
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 | 0,009 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,012 |
| Études des sciences et des technologies | 0,003 | 0,009 |
| Communication savante | 0,015 | 0,025 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».