MétaCan
Menu
Retour à la cohorte
Enregistrement W4407962573 · doi:10.16995/dscn.11067

Dans une base de données lointaine, très lointaine : les humanités numériques pour explorer les univers étendus

2025· article· fr· W4407962573 sur OpenAlexaffvenue

Notice bibliographique

RevueDigital Studies / Le champ numérique · 2025
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueIntellectual Property Law
Établissements canadiensUniversité du Québec à MontréalUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésComputer science

Résumé

récupéré en direct d'OpenAlex

La popularisation du numérique et la facilité d’accès de nombreux outils de création ont permis aux lecteur·rice·s, joueurs·euse·s et spectateur·rice·s de participer à l’établissement d’univers étendus. Ces individus sont tout autant des artistes confirmé·e·s, rémunéré·e·s pour ce travail, que des amateur·rice·s, plus ou moins expert·e·s dans leur domaine et dans l’œuvre à laquelle iels participent. Comment toutes ces productions s’articulent-elles pour former un univers cohérent ? Quels outils et méthodes pouvons-nous mobiliser pour les comprendre ? La diversité des propositions narratives, de la fanfiction textuelle aux fangames, en passant par des vidéos, reprises sonores, œuvres graphiques, etc., pose la question d’une multimodalité nécessaire à la compréhension d’une fiction. La diversité des supports mobilisés par les univers étendus (romans, films, séries, jeux vidéo, jeux de rôles, fanfictions, visual novels, séries audios parodiques ou non, pièces de théâtre, etc.) permet d’appuyer notre étude sur un vaste corpus que nous pourrons étudier quantitativement autant que qualitativement. Dans cet article, nous faisons une étude exploratoire entre la production des fans et la production officielle d’œuvres littéraires dans l’univers étendu de Star Wars. Nos objectifs sont de développer une méthodologie d’analyse issue des humanités numériques s’intéressant à l’étude des littératures de l’imaginaire, pour documenter la représentativité et l’inclusivité dans ces œuvres. Nous procédons d’abord par la contextualisation des études en littératures de l’imaginaire et au processus de documentation de ces littératures. Ensuite, nous définissions notre méthodologie d’analyse, du moissonnage de données dans les API au traitement des données dans OmekaS. Enfin, nous concluons cet article par une discussion sur les résultats obtenus et les pistes de recherche vers lesquelles ceux-ci nous encouragent. The increased interest in digital technology and the ease of access to numerous creative tools enable readers, gamers, and spectators to take part in the creation of extended universes. These individuals are just as much established artists—paid for their work—as they are amateur artists, more or less experts in their field or in the work in which they are involved. How does all of this work fit together in a coherent universe? What tools and methods can we use to understand it? The diversity of narrative proposals, from textual fanfiction to fangames, videos, audios, graphic works, etc., raises the question of whether multimodality is useful to understand fiction. Since extended universes may be mobilized in a wide range of media (novels, films, series, video games, role-playing games, fanfiction, visual novels, audio series, plays, etc.), we are able to conduct qualitative and quantitative research on our corpus. In this article, we conduct an exploratory study of the relationship between fan production and official production of literary works in the extended universe of Star Wars. Our objectives are to develop an analytical methodology, drawn from works in the digital humanities interested in the literature of the imagination, to document representativeness and inclusivity in the works studied. We begin our article by contextualizing studies of these forms of literature and the process of documenting them. Next, we define our analytical methodology, from data harvesting in APIs to data processing in OmekaS. Finally, we conclude with a discussion of the results obtained and the research avenues they yield.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,033
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil0,089

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,033
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,008
Études des sciences et des technologies0,0070,009
Communication savante0,0130,021
Science ouverte0,0010,005
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0190,003

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.

Tête enseignante Opus0,078
Tête enseignante GPT0,305
Écart entre enseignants0,227 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDigital Studies / Le champ numériqueMême sujetIntellectual Property LawTravaux en français237 207