La citation comme source de renseignements métalangagiers dans l’article scientifique
Notice bibliographique
Résumé
La citation remplit de nombreuses fonctions dans l’article scientifique. Outre sa fonction première, qui consiste à indiquer qu’une réflexion a été empruntée à un autre auteur, elle réalise au moins deux autres objectifs. Elle signale, d’une part, que l’article qui la contient entretient des rapports dialogiques avec un ensemble de textes antérieurs. De l’autre, elle cherche, en établissant des liens avec des travaux antérieurs, à augmenter la force de persuasion de l’article dans lequel elle s’insère. La citation peut, par ailleurs, avoir un autre objectif, qui est, cependant, beaucoup moins étudié. En effet, elle peut viser à rehausser l’efficacité et la précision du langage utilisé pour exprimer le contenu de l’article. La citation retrace et analyse, dans ce cas, des emplois antérieurs d’un terme souvent afin d’en préciser le sens. Ce type de citation, que nous nommons marqueur sémantique (Collet 2016, 2018), se repère, entre autres, dans les articles en sciences humaines et sociales. Notre but est de présenter les types de renseignements métalangagiers ou sémantiques qu’une telle citation est susceptible de contenir. Nous nous servirons à cette fin de données tirées d’un corpus couvrant plusieurs disciplines en sciences humaines et sociales, notamment la linguistique, la psychologie, la sociologie et l’histoire. Nous démontrerons également par une analyse quantitative que le recours aux marqueurs sémantiques est bien établi au sein des domaines susmentionnés.
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 | 0,008 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,019 | 0,026 |
| Études des sciences et des technologies | 0,006 | 0,005 |
| Communication savante | 0,016 | 0,012 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,029 | 0,012 |
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 ».