La langue des signes, c’est comme ça
Notice bibliographique
Résumé
Sous la direction de Mélanie Hamm Comité scientifique Maria Fernanda Arentsen, Université de Saint-Boniface, Canada Anne Bamberg, Université de Strasbourg, France Chérif Blein, Aix-Marseille Université, France Annelies Braffort, LIMSI, CNRS, Université Paris-Saclay, Orsay, France Sylvain Brétéché, Aix-Marseille Université, CNRS, PRISM, Aix-en-Provence, France Martine Faraco, Aix-Marseille Université, CNRS, LPL, Aix-en-Provence, France Jacques Goorma, Eurobabel, Strasbourg, France Médéric Gasquet-Cyrus, Aix-Marseille Université, CNRS, LPL, Aix-en-Provence, France Mélanie Hamm, Aix-Marseille Université, CNRS, LPL, Aix-en-Provence, France Michèle Kirch, Université de Strasbourg, Strasbourg, France Sibylle Kriegel, Aix-Marseille Université, CNRS, LPL, Aix-en-Provence, France Geneviève Le Corre, Collectif Des Sourds du Finistère, Brest, France Claire Maury-Rouan, Aix-Marseille Université, CNRS, LPL, Aix-en-Provence, France Agnès Millet, Université Grenoble-Alpes, Lidilem, Grenoble, France Nathalie Niederberger Costello, Lycée Français de San Francisco, États-Unis d’Amérique Béatrice Priego-Valverde, Aix-Marseille Université, CNRS, LPL, Aix-en-Provence, France Jean-Philippe Prost, Université Montpellier, CNRS, LIRMM, Montpellier, France Anne Tortel, Aix-Marseille Université, CNRS, LPL, Aix-en-Provence, France Nicolas Tournadre, Aix-Marseille Université, Institut Universitaire de France, CNRS, Lacito, Villejuif, France Daniel Véronique, Aix-Marseille Université, CNRS, LPL, Aix-en-Provence, France Alice Vittrant, Aix-Marseille Université, CNRS, Lacito, Villejuif, France
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 | 0,006 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,007 | 0,010 |
| Communication savante | 0,022 | 0,015 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,070 | 0,028 |
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 ».