MétaCan
Menu
Retour à la cohorte
Enregistrement W4226109577 · doi:10.1093/llc/fqac020

Interpreting through AI: A note on the possibility of weaving ancient traditions with novel technologies

2022· article· en· W4226109577 sur OpenAlexaff
Yair Neuman, Marcel Danesi

Notice bibliographique

RevueDigital Scholarship in the Humanities · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueLanguage, Metaphor, and Cognition
Établissements canadiensUniversity of VictoriaUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésSemioticsInterpretation (philosophy)WeavingAnticipation (artificial intelligence)ParagraphContext (archaeology)Simple (philosophy)LinguisticsSign (mathematics)Computer scienceSemiosisCognitive scienceEpistemologyArtificial intelligencePhilosophyPsychologyHistoryEngineeringMathematicsWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Abstract Language, like any other semiotic code, is a sign system whose forms (words, phrases, sentences, etc.) are governed by the standing for principle (SFP). However, the SFP is more complex to envision when ‘composite forms’ such as novels and dialogues are involved. In this article, and following the work of Bakhtin and Gasset, we present the idea that a composite semiotic form, such as a paragraph in a novel, does not stand for a simple referential situation only, but provides us with a context for anticipation. We show how these ideas can be expressed in the state-of-the-art language models in AI (Artificial Intelligence) and the way AI may provide us with novel directions for developing old practices of interpretation.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,592
Score d'incertitude au seuil0,453

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,066
Tête enseignante GPT0,303
Écart entre enseignants0,237 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDigital Scholarship in the HumanitiesMême sujetLanguage, Metaphor, and CognitionTravaux en français237 207