Inteligencia artificial, tecnologías y recursos del lenguaje
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
El procesamiento automático del lenguaje natural y, en particular, la traducción automática tienen enorme potencial para el español y otras lenguas españolas. Los poderes públicos desde hace una década han fijado los objetivos de las políticas en inteligencia artificial (IA) y lenguas, dotados ahora con más de 1.100 millones de euros en los Proyectos Estratégicos para la Recuperación y Transformación Económica (PERTE) “Nueva Economía de la Lengua”. Es clave la generación (pública) de infraestructuras, recursos, bases y, sobre todo, corpus lingüísticos que alimentan a la IA y otras tecnologías lingüísticas desarrolladas especialmente por el sector privado. El Derecho de la UE tiende hacia la flexibilidad y apertura de estos recursos lingüísticos. No obstante, desde el régimen de propiedad intelectual y el de reutilización de datos, no hay obligación de abrir y poner a disposición estos recursos, sino que los promotores tienen el derecho sui géneris a que no se pueda hacer minería de datos u otros procesados sin su autorización. Se critica la insuficiente regulación. Sobre esta base, es clave la elección de licencias permisivas, como las del ecosistema Meta-Share, de potencial proyección a los corpus españoles. Finalmente, se exponen los elementos clave en la planificación y adopción de modelos de explotación y sostenibilidad de los recursos lingüísticos en España.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,007 |
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 découle