Quand l’informatique soulève des questions épistémologiques dans le domaine de la littérature de langue bretonne : l’exemple de la base de données PRELIB
Notice bibliographique
Résumé
PRELIB est une base de données qui permet la consultation et le traitement de données en lien avec les acteurs du monde de la littérature de langue bretonne des origines à nos jours. Par une collaboration interdisciplinaire alliant littérature, sciences sociales et science informatique, il s’agit de mener l’étude des relations entre la littérature bretonne et d’autres littératures, en particulier la littérature de langue française, et des relations internes au champ littéraire breton. Il s’agit notamment d’identifier les lieux de sociabilité et les réseaux dans lesquels s’inscrivent les acteurs et producteurs du champ. L’article propose de retracer certains des questionnements que l’élaboration de cette base de données a fait apparaître, en l’occurrence : qu’est-ce qu’une œuvre, qu’est-ce qu’un auteur ou encore qu’est-ce qu’une relation entre individus ?
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 | 0,034 | 0,074 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,010 | 0,012 |
| Études des sciences et des technologies | 0,008 | 0,023 |
| Communication savante | 0,028 | 0,043 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,006 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,004 |
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 ».