AI-mediated English for research publication purposes
Notice bibliographique
Résumé
In our previous editorial we discussed two significant interrelated exigencies in the field of English for Research Publication Purposes (ERPP): the role of technology in the dynamics and developments of the processes and practices of knowledge construction and dissemination, and the pedagogy of ERPP as an under-researched and under-represented domain.An issue that is attracting increasing attention in 2023 is the key role that Artificial Intelligence (AI) can play / is playing in changing the landscape and dynamics of scholarly work, including academic publication.The appearance of technologies such as ChatGPT as an open AI technology in late 2022 is a good example in that respect.The emergence of such technologies raises this important question: Is AI the new normalcy in our academic life and will it revolutionize the way we interact, create, and circulate knowledge?Certainly, we are facing issues regarding the philosophy, integrity, and ethics of knowledge production and dissemination and new imaginations in ERPP in particular.As the growing discussions both online and in-person show, both academia and the general public are marvelled by the affordances and capabilities of emerging AI technologies such as ChatGPT, Google's Bard and Microsoft's Sydney.However, what is, still controversial and debatable is the capacities of such technologies for producing human-like discourse, thought, and learning and how, and to what extent, such technologies can impact the dynamics of knowledge production and exchange.Some scholars such as Noam Chomsky prefer to be on the cautious side and are hesitant as to whether mechanical minds can be on a par with or improve on human brains.Although Chomsky and colleagues consider such technologies as a step forward, they warn against their "false promise" claiming that ChatGPT "exhibits something like the banality of evil: plagiarism and apathy and obviation" (Chomsky et al., 2023, para.17).They argue that:
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 | 0,045 | 0,226 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,008 |
| Communication savante | 0,019 | 0,017 |
| Science ouverte | 0,004 | 0,007 |
| Intégrité de la recherche | 0,007 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,105 | 0,039 |
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 ».