Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This article, which was presented for the first time at CSDH/SCHN 2018, outlines a mixed methodology that combines digital text-mining techniques, like XML tagging and topic modelling, with autoethnography. In this article, I describe my intimate and rocky relationship with my data, referred to as my “life-as-text.” As someone who has Complex Post Traumatic Stress Disorder, I have an extremely difficult time putting many of the events of my life into situational and linear context. The process of formally tagging my data requires me to overcome psychological blocks that have been created as defense mechanisms; thus, allowing me to honestly read and create associations in my dissociated “life-as-text.” Conducting a macroanalysis of data that was gathered through both journaling, and the recording and transcription of “let’s play” videos, has given me a new lens through which to view myself and my experiences. I see myself in my data. I see myself in ways that I cannot otherwise put into words. Text-mining my deepest memories and emotions provides me with an odd sense of stability in a seemingly chaotic assortment of words. In this article, I explain my autoethnographic journey and the powerful impact that digital text-mining has had on my relation to myself and my research. <strong>Abstrakt</strong> Cet article, qui a été premièrement présenté à CSDH/SCHN 2018, décrit une méthodologie mixte qui marie des techniques numériques de la fouille de texte, tels que le marquage XML et la modélisation thématique, et l’auto-ethnographie. Dans cet article, je décris ma relation intime et difficile avec mes données, ce que je nomme ma « vie en tant que texte ». En tant qu’une personne ayant le Syndrome de stress post-traumatique complexe, j’ai d’énormes difficultés à contextualiser d’une façon situationnelle et linéaire beaucoup des évènements de ma vie. Le processus de marquage formel de mes données m’exige de surmonter des blocages psychologiques qui ont été créés comme mécanismes de défense, me permettant de lire honnêtement et de développer des associations dans ma « vie en tant que texte » dissociée. Effectuer une macroanalyse de données, qui ont été récoltées à travers la tenue d’un journal, ainsi qu’à travers l’enregistrement et la transcription de vidéos « jouons » (“<em>let’s play</em>”), m’a offert une nouvelle perspective par laquelle je me considère et par laquelle je considère mes expériences. Je me vois dans mes données. Je me vois d’une façon dont je ne trouve pas les mots pour le décrire. La fouille de textes de mes souvenirs et de mes émotions les plus profondes me fournit une sensation étrange de stabilité au sein d’une gamme de mots qui est chaotique en apparence. Dans cet article, j’explique mon parcours auto-ethnographique et l’impact important qu’a eu la fouille de textes sur ma relation avec moi-même et avec ma recherche. <strong>Mots-clés:</strong> Autoethnographie; Modélisation de sujets; XML; Méthodologies<br />mixtes; Exploration de texte; Aliénation; SSPT-complexe
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle