Exploring the Lexis of Art Through a Specialized Corpus: A Bilingual Italian-English Perspective
Notice bibliographique
Résumé
This study presents an application of a specialized corpus, including texts specifically related to art and cultural heritage, to the analysis of artistic vocabulary in a bilingual (Italian-English) perspective, focusing on the Italian lemmas opera, figura and disegno and their English translation equivalents. The starting point is the Italian corpus that is being developed under the research project Lessico multilingue dei beni culturali (‘Multilingual art and cultural heritage vocabulary’, LBC), available online in open access through NoSketchEngine. First, a lemmatized nounlist ordered by frequency of occurrence is extracted from the corpus, leading to the selection of the above-mentioned focus words, in view of both their frequency and status as technical terms within the domain of art (though exhibiting different levels of technicality). These are further investigated by extracting collocates and KWIC concordances, leading to the identification of several specialized collocations and domain-specific senses. The analysis subsequently moves from corpus to dictionary, exploring the extent to which the patterns emerging from corpus investigation are accounted for in the entries for opera, figura and disegno in four Italian-English bilingual dictionaries. From this viewpoint, the study also aims to show how specialized corpus data can be used for the extraction of collocations, terms, and context-specific word senses, which may in turn be used both to enrich the information provided by currently available general dictionaries, and to work towards the creation of a large-scale specialized bilingual dictionary, which is non-existent 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.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,009 | 0,010 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».