"Pacience is an Heigh Vertu": Managing The Canterbury Tales Project Via Textual Communities
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
Any large digital humanities project presents a difficult institutional problem: a small cluster of academics, most likely traditionally trained as independent researchers, can find themselves at the head of a team that closely resembles a small tech startup. At least, this was the experience of <em>The Canterbury Tales Project, Phase 2, </em>with upwards of thirty employees transcribing on an environment under ongoing development; programmers working on that environment ; and senior members of the project promoting that environment and transcription of the<em> Canterbury Tales </em>to other academics internationally through workshops. This article is a reflective essay on the second phase of the<em> Canterbury Tales Project</em> and the various successes and challenges that unfolded throughout that process. Our focus is how the project both managed the transcription team working locally at the University of Saskatchewan and facilitated transcription workshops abroad. We detail our training process and the transcription workflow as facilitated via the Textual Communities environment. We also examine and evaluate the causes of the project’s challenges—often the result of institutional pressures or technological changes—and our reactions to those challenges, emphasizing successful strategies. Finally, we proffer future changes for the project that we believe would have made considerable positive impact if implemented from the outset of phase two and still have potential as helpful resources now. It is our hope that in detailing our process we can help other large DH projects mimic our successes and, perhaps even more importantly, avoid any pitfalls that challenged us.
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 | 0,000 |
| 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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