REFLEXOES SOBRE A CLASSIFICACAO DA QUALIDADE ACUSTICA DE DADOS DE CORPORA ORAIS
Notice bibliographique
Résumé
Corpora de fala geralmente servem como base para estudos de interface entre prosodia, pragmatica e sintaxe, alem daqueles fonetico-fonologicos. Uma boa audibilidade e essencial, mas nao sempre suficiente para estas finalidades. Neste artigo sao apresentados os procedimentos metodologicos e os criterios adotados na classificacao da qualidade acustica dos corpora da familia C-ORAL (CRESTI; MONEGLIA, 2005; RASO; MELLO, 2012). Especificamente, serao mostrados os avancos metodologicos implementados especialmente no C-ORAL-BRASIL II (RASO; MELLO; FERRARI, em preparacao). O protocolo preve as etapas de amostragem dos trechos de audio e a analise dos parametros avaliados: relacao sinal-ruido, sobreposicao, f0 e formantes (F1 e F2). O procedimento utilizou uma serie de scripts em Praat que permitiu automatizar a extracao dos dados necessarios a avaliacao. O papel do avaliador e determinante na conferencia dos varios parametros, pois seu julgamento e dirigido atraves de criterios precisos, mas que necessitam de checagem a oitiva, por inspecao visual do espectrograma e de eventuais correcoes manuais. Cada parametro recebeu uma etiqueta que indica seu valor. Para se obter uma etiqueta final de cada audio, que contemple os varios parametros, calculou-se uma media ponderada com valores arbitrarios atribuidos a cada parametro. Os pesos maiores foram atribuidos a f0 e formantes, por se entender que eles sao os mais relevantes para as analises fonetico-fonologicas alem daquelas pragmaticas.
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 | 0,017 | 0,092 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,010 | 0,010 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».