Born archival: The ebb and flow of digital documents from the field
Notice bibliographique
Résumé
Facilitated by an infusion of funding from philanthropic sources, descriptive linguists have been galvanized to document the world's languages before they disappear without record. Linguists have responded to the "crisis of documentation" (Dobrin, L. M. & Berson, J. (2011), "Speakers and Language Documentation", in The Cambridge Handbook of Endangered Languages, P. K. Austin & J. Sallabank (eds), Cambridge University Press, Cambridge, pp. 187–211) by entering into increasingly collaborative partnerships with speech communities, producing "documents" that have both local relevance and academic integrity. The growth in access to digital recording technology has meant that contemporary research initiatives on endangered languages are not only born digital, but often birthed straight into an archive. Yet heritage collections of recordings made by ethnographers and linguists in the past are ever more endangered, becoming orphaned when their collectors die or fragmented into their component parts based on the medium of documentation when they are finally archived. Drawing on fieldwork in Nepal with a community speaking an endangered Tibeto–Burman language, and reflecting on the decade I have spent directing a digital humanities research initiative—the Digital Himalaya Project—I discuss how linguists and anthropologists are collecting, protecting and connecting their data, and how technology influences their relationship to documents.
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 | 0,015 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,009 | 0,011 |
| Études des sciences et des technologies | 0,016 | 0,015 |
| Communication savante | 0,025 | 0,032 |
| Science ouverte | 0,003 | 0,016 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,025 | 0,007 |
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 ».