MétaCan
Menu
Retour à la cohorte
Enregistrement W2946973977 · doi:10.7202/1058506ar

Bilingual and Multilingual Legal Dictionaries: New Standards for the Future

2019· article· en· W2946973977 sur OpenAlexvenueaboutno aff
Susan Šarčević

Notice bibliographique

RevueRevue générale de droit · 2019
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLexicography and Language Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTerminologyLexicographyEquivalence (formal languages)StandardizationGermanComputer scienceLinguisticsField (mathematics)Natural language processingMathematics

Résumé

récupéré en direct d'OpenAlex

Alarmed by the notorious inaccuracy of “traditional” bilingual and multilingual legal dictionaries, legal lexicographers began experimenting with new methods of improving user reliability about 15 years ago. Analyzing numerous bilingual and multilingual legal dictionaries of various languages (combinations of English, French, German, Spanish, Italian, Dutch and Chinese), the author claims that one can now speak of a special methodology of legal lexicography which has set new standards for the future. Focusing on the problems of interlingual transfer in the field of law, the author deals with the problem of equivalence, pointing out that, in the majority of cases, the functional equivalents of different legal systems are only partially equivalent. This has led to the need to measure the degree of their equivalence in order to determine their acceptability in dictionary entries. For this purpose, methods of comparative conceptual analysis can be used. Moreover, bilingual legal dictionaries are now equipped with a more or less elaborate documentary apparatus including definitions of both the source term and its equivalent, contextual data and geographic information on the usage of target language variants. In conclusion, the question is raised as to the role of dictionaries in the standardization of legal terminology at the national level (Canada), the regional level (EEC, CMEA) and at the international level (UN).

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)0,056
score de la tête « metaresearch » (Gemma)0,074
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,056
Score d'incertitude au seuil0,297

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0560,074
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0090,008
Études des sciences et des technologies0,0040,016
Communication savante0,0180,030
Science ouverte0,0030,008
Intégrité de la recherche0,0030,007
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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 Opus0,011
Tête enseignante GPT0,238
Écart entre enseignants0,227 · 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
GenreEmpirique

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

En bref

Citations3
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRevue générale de droitMême sujetLexicography and Language StudiesTravaux en français237 207