Designing Corpus-Creation Tools for Language Revitalization
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
ABSTRACT: We have developed a set of corpus-creation tools to support the documentation and revitalization of Isga I?abi (also known as Stoney ), a Siouan language spoken in Alberta. This project has emerged from a collaboration between community language champions and university-based researchers, with the goal of creating a new generation of Stoney speakers. The initial phase of the project has focused on expanding the documentary record of the language by creating a corpus of spoken Isga I?abi, recorded from nearly a dozen fluent speakers. We describe the particular constraints that informed the design of the project and how they led us to create several new tools for elicitation. First was an adaptation of the Summer Institute of Linguistics' Rapid Words Collection method, where, instead of focusing on individual lexemes, we collected thematically organized sentences displaying targeted grammatical properties. Next, we developed a photo prompter tool, which allows speakers to describe what they see in a photo, but also to discuss the photo with other speakers in spontaneous discourse. These simple tools allow the speakers to handle the day-to-day work of language documentation themselves, without needing a linguist to be present during those sessions. The outputs from this process (currently over fifty hours of audio) will find their way into various resources and activities for language teachers and learners. Insights from the Isga I?abi speakers themselves reflect on their use of the tools and their perspectives on the project to date.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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