Creating and Implementing an Ontology of Texts, Documents and Works in Complex Textual Traditions
Notice bibliographique
Résumé
This article suggests an ontology of texts, documents and works of particular relevance to the editing of complex large textual traditions, such as those of the Greek New Testament (c. 5000 witnesses), Dante's Commedia (c. 800) and Chaucer's Canterbury Tales (88). The need for this ontology is reviewed through a brief history of the Canterbury Tales project's work over three decades, with references also to the Greek New Testament and Commedia editorial projects. The central definition of the ontology is that a text is an act of communication inscribed in a document. Further, both the document and the act of communication may be represented as independent and ordered hierarchies of content objects (hence, trees), with textual nodes appearing on both trees, in different orderings and structures across the two trees. The Textual Communities environment successfully implements parts of the ontology of texts, documents and works to enable data collection, management and publication according to the needs of its current users, demonstrating the considerable advantages of this model for textual processing. However, Textual Communities does not implement the whole of this model in terms of data validation, ingestion and processing. Full exploration and implementation of the model here offered are challenges for future scholars. Successful implementation, however, would have considerable benefits, both for scholars working with complex large traditions, and also for those working with smaller but highly complex document sets, such as authorial manuscripts.
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 | 0,014 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,008 |
| Communication savante | 0,012 | 0,020 |
| Science ouverte | 0,003 | 0,010 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».