Military Acronyms: Notion, Categorization and Classification
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
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 | 0,006 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle