Mind Technologies: Humanities Computing And the Canadian Academic Community
Notice bibliographique
Résumé
In recent years, the application of computing technology to the arts and humanities has been a topic of increased focus in the post-secondary environment. With growing understanding of how these applications can serve the ongoing mission of humanities research, teaching, and training, technology is playing a larger role than ever before in these disciplines. Arising in part from a joint venture between the Consortium for Computers in the Humanities / Consortium pour ordinateurs en sciences humaines (COCH/COSH; now SDH/SEMI, the Society for Digital Humanities / SociA (c)tA (c) pour l'A (c)tude des mA (c)dias interactifs) and the Social Sciences and Humanities Research Council (SSHRC), Mind Technologies: Humanities Computing and the Canadian Academic Community is the first volume to broadly document the internationally significant work of the Canadian academic community in the area of humanities computing. With Contributions By: Michael Best John Bonnett Susan Brown Alan Burk Terry Buttler Lisa Charlong James Chartrand Charles Clarke Patricia Clements Renee Elio Natasha Flora Paul Fortier Scott Gerrity Robert Good Sean Gouglas Nicholas Griffin Isobel Grundy Ian Lancashire Peter Liddell Karen McCloskey Murray McGillivray Andrew Mactavish France Martineau David Moorman Aimee Morrison Stephen Reimer Geoffrey Rockwell Ray Siemens Stefan Sinclair David Strangway Elaine Toms Christian Vandendorpe Russon Wooldridge
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 | 0,007 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,008 | 0,018 |
| Études des sciences et des technologies | 0,039 | 0,018 |
| Communication savante | 0,027 | 0,010 |
| Science ouverte | 0,003 | 0,013 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,036 | 0,004 |
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 ».