Opening the Semantic Space in the Service of Collective Intelligence - DOI: 10.3395/reciis.v1i1.43en
Notice bibliographique
Résumé
As the human recorded memory is progressively digitized and posted on line, the need for a common semantic coordinate system independant from natural languages and ontologies is growing. A future universal semantic addressing system, able to index all digital documents, should meet three basic requirements. First, each distinct concept should have a unique address. Second, the semantic coordinate system should be open to any concept and relations between concepts (ontologies), whatever the cultural environments where these concepts are created and transformed, without neither privileges nor exclusions. Third, it should support a group of mathematically defined (automatable) operations on semantic addresses, namely : rotations, symmetries and translations in the « semantic space » ; semantic compression and decompression ; set-theory operations like union, intersection and symmetric differences ; ranking on semantic criteria ; semantic pattern recognition ; semantic distances measurement ; logical inferences, etc. Developped by an international research network led by the Canada Research Chair in Collective Intelligence at the University of Ottawa, the Information Economy MetaLanguage (IEML), allows the construction of a semantic coordinate system meeting these three constraints. Website, including the IEML dictionary, since may 2006 : www.ieml.org. In Brasil, BIREME (www.bireme.br) is member of the IEML initiative.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,010 | 0,010 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,164 | 0,107 |
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 ».