Le catalogage des sites web: vers une organisation structurée du web
Notice bibliographique
Résumé
Les bibliotheques ont le privilege d’offrir des catalogues qui indiquent d’une maniere structuree aux usagers les titres possedes alors que sur Internet, lieu virtuel et infini de la recherche documentaire, regne l’anarchie. L’elaboration de catalogues sur le Net est laborieuse etant donne la quantite et la mouvance des ressources. Les bibliothecaires, qui appliquent de plus en plus leur expertise dans le monde de l’information electronique, se lancent dans un nouveau concept de bibliotheque sur Internet : la webtheque, un repertoire structure de ressources electroniques accessibles. Contrairement a la majorite des outils de recherche sur Internet, la webtheque tend a la qualite plutot qu’a l’exhaustivite. Elle est comme un filtre retenant les ressources pertinentes sur un sujet precis ou a l’attention d’un public particulier. Chaque ressource est selectionnee, cataloguee et diffusee selon les principes de la bibliotheconomie, au meme titre qu’un document traditionnel. Quelles sont les caracteristiques propres aux ressources electroniques en ligne ? Quels sont les avantages et les inconvenients relies a leur catalogage ? Comment les traiter selon des normes ? Et enfin, quel est l’avenir du catalogage de ce genre de documents ?
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,012 |
| Études des sciences et des technologies | 0,004 | 0,006 |
| Communication savante | 0,021 | 0,019 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,009 |
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 ».