Projet CORREZ : édition numérique des lettres internationales multilingues adressées à Emile Zola (2017-2020)
Notice bibliographique
Résumé
Débuté en 2017, le projet « Naturalismes du monde » a été une initiative de partenariat incluant le CNRS, l’ENS et le Collège de France, au sein de la COMUE PSL. Le Labex TransferS a envisagé d’étudier les circulations des textes, des modèles intellectuels et des objets culturels saisis dans le contact des langues. Dans ce cadre, et en lien avec « La République des Savoirs », le Centre Zola de l’ITEM a souhaité étudier et valoriser les lettres internationales adressées à Zola, dont une part est encore conservée dans les archives du Dr. Brigitte Émile-Zola, précieuse collaboratrice des projets archivistiques zoliens. Il s’agit du courrier des lecteurs du monde, dans le contexte d’une vie littéraire internationalisée à la fin du 19e siècle, à l’ère du cosmopolitisme, des colonies et des Alliances françaises, du commerce industriel et des grands chantiers, et bien sûr au moment de l’affaire Dreyfus. Plus de 2400 lettres numérisées à ce jour sont en ligne sur cette plateforme d’édition numérique. Tous les continents sont couverts, sur une période qui va surtout des années 1880 jusqu’à la fin de la vie de l’écrivain : l’Europe limitrophe de la France (Belgique, Suisse, Allemagne, Espagne, Angleterre…), l’Europe de l’Est (Hongrie, Pologne, et les lettres de Russie…), les deux Amériques, du Nord et du Sud (Canada, États-Unis, Chili, Argentine, Brésil, Colombie, Costa Rica, Mexique ou encore Venezuela), le continent asiatique, (Inde et Indonésie), l’Australie, l’Afrique du Sud. L’équipe est loin d’avoir fait le tour de ce courrier international, dont une grande partie reste encore inédite. Cependant, le corpus déjà constitué permet d’élaborer une méthode et des axes de lecture qui répondent à la question principale d’un tel projet : quel traitement apporté à une telle masse épistolaire, pour quels intérêts et quels usages ? Le colloque de mai 2019, dont les actes sont publiés dans le numéro 94 des Cahiers naturalistes (2020), a tenté de répondre en partie à ces questions.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,008 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,091 | 0,046 |
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 ».