Notice bibliographique
Résumé
This poster has been presented at the Music Encoding Conference 2022 at Dalhousie University, Halifax, Canada. It shows the history of MerMEId from its beginning in 2009 until 2022. The “Metadata Editor and Repository for MEI Data” (MerMEId) is a web based tool to capture and enrich data in the MEI header. The tool was originally developed by Axel Teich Geertinger and Sigfrid Lundberg at the “Danish Centre for Music Editing” for their own work on the thematic-bibliographic catalogues of works of Carl Nielsen, Johann Peter Emilius Hartmann, Johann Adolph Scheibe, and Niels W. Gade (Teich Geertinger & Pugin, 2011; Teich Geertinger & Lundberg, 2015). From the beginning—around 2009—the development of the MerMEId was tightly connected to the evolvement of the MEI standard and the editor was presented at numerous occasions. For 2022 the release of MerMEId 2.0 is planned, introducing new features which were implemented in a community effort. Teich Geertinger, A., & Pugin, L. (2011). MEI for bridging the gap between music cataloguing and digital critical edition. In Die Tonkunst, 5 (3), 289–294. Teich Geertinger, A., & Lundberg, S. (2015). MerMEId: Creating Thematic Catalogues Using MEI Metadata. In Roland, P., & Kepper, J. (Eds.), Music Encoding Conference Proceedings 2013 and 2014. Bavarian State Library (BSB), 122–126. URN: http://nbn-resolving.de/urn:nbn:de:bvb:12-babs2-0000007812.
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 | 0,016 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,011 | 0,018 |
| Science ouverte | 0,006 | 0,013 |
| Intégrité de la recherche | 0,004 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,038 | 0,074 |
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 ».