MétaCan
Menu
Retour à la cohorte
Enregistrement W3003077735 · doi:10.22148/001c.11774

Annotating Narrative Levels: Review of Guideline No. 6

2020· article· en· W3003077735 sur OpenAlexvenueno aff
Natalie M. Houston

Notice bibliographique

RevueJournal of Cultural Analytics · 2020
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueDigital Humanities and Scholarship
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAnnotationAmbiguityComputer scienceNarrativeGuidelineClass (philosophy)Framing (construction)Interpretation (philosophy)Task (project management)Information retrievalNatural language processingLinguisticsArtificial intelligencePolitical scienceHistory

Résumé

récupéré en direct d'OpenAlex

The framing of Guideline VI within the pedagogical situation of a class on “Digital Methods in Literary Studies” is helpful in pointing out some of the ways in which the theory and practice of annotation can serve students of literature, as well as eventually contributing to computational analysis. Above all, annotation necessitates firm decisions, as the authors describe: ”Rather than let an ambiguous text stay ambiguous, they simply had to decide for one option in order to be able to annotate a passage and had to justify their choice with reference to the whole text or to adapt the guidelines in order to address and document the ambiguity” (3). This remark highlights the challenge in developing annotation guidelines so that they can be used consistently by different communities of users without modifications. The authors note several points of debate within the class that are relevant to the overall shared task and its evaluation: the feasibility of developing annotation guidelines that could be applied to a wide range of literary texts; the involved levels of textual interpretation that some kinds of annotation require; and the effect of prior study or knowledge on an annotator’s ability to discern or interpret narrative levels. As the shared task proceeds, it may be necessary to specify the applicability of the annotation guidelines to works from particular genres, time periods, or languages.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,781
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 Opus0,169
Tête enseignante GPT0,319
Écart entre enseignants0,150 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Cultural AnalyticsMême sujetDigital Humanities and ScholarshipTravaux en français237 207