Digital Text Analysis and Early Shakespeare Bibliography: Using Voyant Tools with Bad OCR
Notice bibliographique
Résumé
This is an accepted article with a DOI pre-assigned that is not yet published.Enumerative bibliographies are lists of scholarship that capture the state of a field. This article first evaluates digital texts of one such bibliography, Franz Thimm’s Shakspeariana from 1564-1864 (1872), before applying textual analysis using Voyant Tools. The takeaways are both methodological and interpretive: we can use inaccurate online texts (“dirty OCR,” that is, optical character recognition), we can fruitfully apply text analysis to printed bibliographies, and we can learn about bibliographies with Voyant Tools even if they are multilingual. This research shows how Thimm’s bibliography emphasizes Shakespeare publication from major urban centres and surfaces the importance of nineteenth-century German translation and scholarship on Shakespeare, while inviting us to reconsider how we credit translators (or not) as we name them in our lists. Ultimately, experimenting with digital tools to analyze early bibliographies can help us better understand the history of our scholarship.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,024 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,009 | 0,028 |
| Science ouverte | 0,001 | 0,001 |
| 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 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 ».