MétaCan
Menu
Retour à la cohorte
Enregistrement W3043429070 · doi:10.1017/s0047404517000161

Review Article

2017· article· en· W3043429070 sur OpenAlexaff
Anne Kruijt, Mark Turin

Notice bibliographique

RevueLanguage in Society · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMultilingual Education and Policy
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésEndangered speciesDocumentationPolitical scienceGovernment (linguistics)Library scienceSociologyLinguisticsPopulationComputer science

Résumé

récupéré en direct d'OpenAlex

In response to a crescendo of public and scholarly interest, over the last two decades there has been a noticeable and mostly welcome surge in publications that focus on language documentation, conservation, and revitalization. Early and high impact contributions in Hale et al. (1992) included a now seminal article by Michael Krauss which called for urgent action to prevent linguistics from going down in history as the ‘only science that presided obliviously over the disappearance of 90% of the very field to which it is dedicated’ (Krauss 1992:10). There then followed a discussion on the topic by Ladefoged (1992) and a prompt reply by Dorian (1993) that situated the issue of language endangerment as one deserving of sustained academic attention. Alongside swelling bookshelves that speak to the urgency of this work, major research programs funded by private philanthropic organizations and research councils were also being established at this time. The Foundation for Endangered Languages (FEL) was founded in 1995, followed a year later by the Endangered Language Fund (ELF). With the establishment of theDokumentation Bedrohter Sprachenprogram (DoBeS) in 2000, the Hans Rausing Endangered Languages Project (HRELP) in 2002, and the Documenting Endangered Languages (DEL) program funded by the US government in 2005, the last two decades bear witness to a steady increase in support, funding, and visibility for the documentation and preservation of endangered 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 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)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut 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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,771
Score d'incertitude au seuil0,765

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,001
Communication savante0,0060,004
Science ouverte0,0020,003
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,2290,123

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 Opus0,085
Tête enseignante GPT0,533
Écart entre enseignants0,447 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLanguage in SocietyMême sujetMultilingual Education and PolicyTravaux en français237 207