Accesibilidad en los subtítulos de campañas institucionales contra la violencia de género*
Notice bibliographique
Résumé
En esta investigación proponemos un análisis del subtitulado de las campañas institucionales impulsadas por el Gobierno de España para atajar el problema de la violencia de género. En particular, utilizaremos los datos vertidos por las diferentes encuestas demográficas llevadas a cabo por el Gobierno de España y las medidas legislativas impulsadas tanto en el ámbito nacional como en el europeo. Asimismo, entenderemos desde una perspectiva interseccional que un sector importante de la población al que van dirigidos los subtítulos está constituido por mujeres con diferentes grados de discapacidad auditiva y mujeres no nativas de lengua española con un conocimiento limitado de este idioma, así como una combinación de ambos rasgos. Ante este perfil, examinaremos los parámetros aplicados al proceso de subtitulación de estos anuncios emitidos en España desde el año 2006 hasta 2017 con el objetivo de comprobar si, en función de las características técnicas que se han establecido, la información se transmite correctamente y de forma íntegra al público o si resultará complicado recibir todo el contenido para los sectores que tomamos en consideración en este estudio. Para ello, analizaremos la velocidad de lectura de cada anuncio, la presencia de intérprete de signos, el narrador y otros elementos semióticos que deberán tenerse en cuenta en el proceso del subtitulado.
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,001 |
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 ».