Digital Literary Mapping: II. Towards an Integrated Visual–Verbal Method for the Humanities
Notice bibliographique
Résumé
Cet article est le second de deux textes interdépendants qui présentent de nouvelles façons de cartographier la littérature au moyen d’outils numériques adaptés au XXIe siècle. Le premier article exposait la nécessité de dépasser la cartographie des textes littéraires en fonction des sites géographiques du monde réel et d’adopter, au moyen d’une topologie littéraire, une cartographie relationnelle de l’espace qui soit non référentielle. Cet article-ci cherche à trouver des débouchés pour les nouvelles méthodes de travail en sciences humaines numériques ; l’idée y est avancée que de nouvelles méthodes d’analyse et de nouveaux outils sont nécessaires. Il propose une méthode d’interprétation visuelle-verbale intégrée, qui allie la lecture attentive des significations et des structures spatiales au sein d’un texte à l’analyse de la série de cartes générée par ce même texte dans une structure itérative. Il défend par ailleurs la valeur des couches de la cartographie et de la cartographie comparative d’un même lieu de manière référentielle et non référentielle. Les œuvres littéraires choisies pour illustrer la méthode sont le Frankenstein de Mary Shelley et Through the Looking-Glass and What Alice Found There ( De l’autre côté du miroir) de Lewis Carroll. Elles nous permettent d’explorer la validité de nos hypothèses.
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 | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,014 | 0,008 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 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 ».