Atlasul dialectal român online ‒ Crișana II, viziunea și moștenirea profesorului Dorin Urițescu
Notice bibliographique
Résumé
ATLASUL DIALECTAL ROMÂN ONLINE -CRIȘANA II,VIZIUNEA ȘI MOȘTENIREA PROFESORULUI DORIN URIȚESCU 1. INTRODCERE 1.0.Cercetările științifice asistate de calculator, inclusiv cele implicând internetul, nu mai sunt o noutate pentru niciun domeniu științific.S-a schimbat sub influența lor însăși paradigma investigației științifice, în particular cea referitoare la stocarea și analiza datelor de mare volum.Științele umaniste, oricât de tradiționaliste, nu puteau rămâne în urmă, iar lingvistica, prin însăși natura ei, este în avangarda lor.Nu este astfel surprinzător interesul profesorului Dorin Urițescu pentru o asemenea abordare, dar admirabilă rămâne imaginația lui în a o folosi pe măsură ce i-a înțeles mecanismele și posibilitățile. 1.1.În 2003 începea (printr-un proiect comun de cercetare cu profesorii Sheila Embleton și Eric Wheeler, la York University, Toronto) digitalizarea și analiza computațională a Noului Noului Atlas Lingvistic Român -Crişana (NALR-Cr.)concretizate în, ce se numește astăzi, Romanian Online Dialect Atlas I (RODA I).Este vorba despre un program adaptat (conceput de profesorul E. Wheeler, urmând recomandările de natură lingvistică ale profesorului D. Urițescu) de editare, analiză și de reprezentare grafică a rezultatelor 1 .Folosind datele din primele două volume ale NARL-Cr.(inițial publicate în varianta cartografiată), RODA I a permis o serie de analize de statistică și dialectometrie extrem de utile și interesante 2 . 1.2.Remarcabilă la RODA I rămâne, printre altele, tastatura virtuală care permite digitalizarea caracterelor complexe ale notației fonetice specifice graiului crișean sub formă de coduri alfanumerice și care a rămas o parte importantă în dezvoltările ulterioare ale RODA II.S-a simțit însă nevoia îmbunătățirii, a dezvoltării programului pentru că era restricționat doar la analiza fonetică (singurul aspect morfologic prezent fiind distincția singularplural), aspectele care nu se doreau incluse în analiză trebuiau înlăturate manual și, nu în ultimul rând, datele originale erau modificate ("normalizate") pentru a urma un format predeterminat.Se pierdea astfel o mare parte din bogăția informațională a datelor atlasului și posibilitățile de analiză deveneau limitate.
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 | 0,001 | 0,002 |
| 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 | 0,002 |
| Communication savante | 0,008 | 0,004 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,053 | 0,013 |
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 ».