Modelling of a Heterogeneous Corpus: The Example of Chapbook Literature
Notice bibliographique
Résumé
This article proposes an analysis of Spanish chapbook literature from the digital perspective. It provides a systematic study of the metadata and services selected by seventeen digital libraries to model their collections.In the first part, we propose an overview of those libraries. Their great variety reflects the heterogeneity of this popular literature, which is at the margin of studies on printed productions, and escapes the classifications traditionally used for books. In the second part, we describe four different strategies used by digital libraries to model this type of content, focusing either 1) on the document as an archive to be preserved, 2) on the document as the result of an editorial process, 3) on the text, or 4) on the illustrations. Our objective is thus to outline a digital model for these types of documents and to help future projects in defining their own offer of services.This article is part of the research project "Untangling the cordel / Démêler le cordel / Desenrollando el cordel (2020-2023)" financed by the Philanthropic Sandoz-Monique de Meuron Family Foundation and directed by the professor Constance Carta (University of Geneva).Cet article propose une analyse de la littérature de colportage espagnole au prisme du numérique, en étudiant de manière systématique les métadonnées et les services sélectionnés par dix-sept bibliothèques numériques pour modéliser leurs collections.Dans un premier temps, nous proposons un panorama de ces bibliothèques, dont la grande variété reflète celle de cette littérature populaire, à la marge des études sur les productions imprimées et qui échappe aux classifications traditionnellement employées pour le livre. Dans un second temps, nous décrivons quatre stratégies différentes employées par les bibliothèques numériques pour modéliser ce type de contenus, en mettant l’accent soit sur le document en tant qu’archives à conserver, soit sur le document en tant que résultat d’un processus éditorial, soit sur le texte, soit sur l’illustration. Notre objectif est ainsi d’esquisser les contours d’un modèle numérique pour ce type de documents et d’aider de futurs projets dans la définition de leur propre offre de services.Cet article s’inscrit dans le cadre du projet de recherche « Démêler le cordel / Desenrollando el cordel / Untangling the cordel (2020-2023) » financé par la Fondation philanthropique Famille Sandoz-Monique de Meuron et dirigé par la professeure Constance Carta (Université de Genève).
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».