MétaCan
Menu
Retour à la cohorte
Enregistrement W2999626586 · doi:10.3917/arco.audis.2016.01

Lire le français d'hier

2016· book· fr· W2999626586 sur OpenAlexaboutno aff
Gabriel Audisio, Isabelle Rambaud

Notice bibliographique

RevueArmand Colin eBooks · 2016
Typebook
Languefr
DomaineSocial Sciences
ThématiqueFrench Language Learning Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

À la recherche du passé, amateurs et spécialistes sont de plus en plus nombreux à vouloir remonter dans le temps, jusqu’à l’Ancien Régime, soit les XVIe XVIIe et XVIIIe siècles. En France, en Belgique, en Suisse comme au Québec mais aussi en Allemagne, aux Pays-Bas et en Italie, bien des manuscrits de cette période sont écrits en français. Pourtant, ils paraissent illisibles.De fait, les scribes d’alors, constituant une minorité lettrée de la société, s’étaient dotés d’un système d’écriture particulier, destiné certes à économiser du papier et à gagner du temps, mais aussi à les valoriser puisque, de cette façon, ils étaient les seuls à pouvoir lire et écrire. La difficulté que nous rencontrons aujourd’hui était déjà celle de la majorité de la population à cette époque. Pourtant, il suffit de posséder le code pour réussir à lire les textes.Le présent ouvrage se veut un manuel de paléographie. La paléographie étant la science de l’écriture ancienne et le manuel un livre pratique, il vise, à l’aide de nombreux exemples, à initier le débutant à l’écriture manuscrite française des XVe-XVIIIe siècles. En découvrant et en apprivoisant la forme particulière de certaines lettres, les ligatures, les déformations dues à une écriture de plus en plus cursive, les abréviations des mots les plus usités, chacun peut maîtriser cette « science » qui n’est qu’une « technique » et lire le français d’hier.Cette cinquième édition a été revue, corrigée et augmentée d’un chapitre sur le « moyen français » et de trois nouveaux documents « très difficiles ».

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,951
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,003
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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 Opus0,024
Tête enseignante GPT0,295
Écart entre enseignants0,271 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArmand Colin eBooksMême sujetFrench Language Learning MethodsTravaux en français237 207