Wikipédia, Wikimedia Commons et Wikisource, un eldorado de visibilité
Notice bibliographique
Résumé
Bien que fréquemment décriée pour son contenu, l’encyclopédie libre Wikipédia ne cesse de croître et d’être utilisée par des millions d’individus dans le monde entier. Au total, ce sont plus de 500 millions de visiteurs qui consultent mensuellement une partie des 30 millions d’articles rédigés dans 290 langues. Ces articles sont alors souvent illustrés par des documents d’archives. À titre d’exemple, un ensemble de photographies de militaires diffusé par les National Archives and Records Administration des États-Unis a été visionné des millions de fois. Cependant, le monde wiki est aussi une communauté qui n’est pas toujours encline à saisir la richesse et la pertinence des documents se trouvant dans les services et les centres d’archives du monde entier. L’exploitation de l’encyclopédie libre et celle des autres « projets » de la Wikimedia Foundation demandent des connaissances et le développement d’une stratégie de diffusion des documents. Sans grande réflexion effectuée en amont, le risque de voir son travail être incompris ou directement supprimé par la communauté wikipédienne est grand. Cet article vise donc à présenter les principes de base permettant à un service ou à un centre d’archives de songer à une exploitation adéquate de l’univers wiki.
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 | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,012 | 0,012 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,009 | 0,013 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,012 |
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 ».