MétaCan
Menu
Retour à la cohorte
Enregistrement W4412420796 · doi:10.30564/fls.v7i7.9347

Military Acronyms: Notion, Categorization and Classification

2025· article· en· W4412420796 sur OpenAlexfundno aff
Ihor Bloshchynskyi, Ольга Лемешко, Oleh Hlukhmaniuk, Natalia V. Kalyniuk, Volodymyr Lemeshko, Надія Мороз, Tetiana Pavliuk, Tatyana Shchegoleva, Iryna Bets, Наталія Назаренко, Сергій Сінкевич

Notice bibliographique

RevueForum for Linguistic Studies · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIntelligence, Security, War Strategy
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Celiac AssociationU.S. Department of Homeland SecurityU.S. NavyPartenariat Canadien Contre Le CancerU.S. Department of Defense
Mots-clésCategorizationNatural language processingComputer scienceLinguisticsArtificial intelligencePhilosophy

Résumé

récupéré en direct d'OpenAlex

The article presents an overview of acronyms classification in English military terminology. Legal documents, official website of State Border Guard Service of Ukraine, journals and dictionaries related to military terminology were investigated in the research. Mostly used acronyms in English military terminology were classified and 718 definitions were singled out. Such methods as theoretical analysis, comparison, substantiation, and generalization, systematization of theoretical and practical material were used for the analysis of the scientific sources concerning military acronyms, comparing the military terminology acronyms according to their common usage, the selection of acronyms groups and their categorization correspondingly. As a result, the acronyms were divided according to their common usage into the following groups and subgroups: management acronyms (personnel, positions and organization acronyms), service acronyms (NATO and everyday activity acronyms), military operations acronyms (operational and communication acronyms), armament and military equipment acronyms (military equipment, weapons and ammunition acronyms), military medicine acronyms (medical training and medical terms acronyms), military law acronyms (documents, personnel and legal bodies’ acronyms), vehicles acronyms (marine vessels, land vehicles and military aircraft acronyms), nuclear area acronyms (missile, nuclear legislation and nuclear bodies acronyms), Armed forces organization acronyms (Army Command, Air Force, Navy and military intelligence acronyms). At the final stage of the study military terminology acronyms classification was developed and graphically presented using the MindManager program to categorize military acronyms according to their common usage.

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)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0130,014
Études des sciences et des technologies0,0030,004
Communication savante0,0050,009
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,003

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 Opus0,059
Tête enseignante GPT0,399
Écart entre enseignants0,340 · 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'étudeQualitatif
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'admission1
Résumé présentoui

Explorer davantage

Même revueForum for Linguistic StudiesMême sujetIntelligence, Security, War StrategyTravaux en français237 207