Notice bibliographique
Résumé
Abstract: This paper addresses the prob-lem of how to identify and evaluate argu-ments made in a nonverbal form. Such arguments may employ images, sounds, or a combination of these in a truly mul-timodal presentation. Here, we concen-trate on those which are classified as au-ditory, i.e. contain at least one premise or the conclusion in sound form. We pro-pose and test a solution whereby some el-ements of the Comprehensive Assess-ment Procedure for Natural Argumenta-tion (CAPNA) are modified to allow for the evaluation of auditory arguments. The results of this approach are illus-trated with the help of a number of au-thentic examples. Résumé: Cet article aborde le problème de la façon d'identifier et d'évaluer les ar-guments présentés sous une forme non verbale. De tels arguments peuvent uti-liser des images, des sons ou une com-binaison de ceux-ci dans une présenta-tion véritablement multimodale. Ici, nous nous concentrons sur les arguments classés comme auditifs, c'est-à-dire qui contiennent au moins une prémisse ou la conclusion sous forme sonore. Nous pro-posons et testons une solution dans laquelle certains éléments de la procédure d'évaluation globale de l'argu-mentation naturelle (CAPNA) sont mod-ifiés pour permettre l'évaluation des ar-guments auditifs. Les résultats de cette approche sont illustrés à l’aide de nom-breux exemples authentiques.
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 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 | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,170 | 0,036 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».