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 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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,105 | 0,029 |
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 ».