Nine Projects, One Codebase: A Static Search Engine for Digital Editions
Notice bibliographique
Résumé
The primary goal of the Endings Project—a collaboration between project leaders, programmers, and librarians to address long term sustainability of digital humanities resources—is to create completely static sites: websites composed of only HTML, CSS, and Javascript that have no reliance on server-side processing and thus, as we have argued elsewhere, stand the best chance in terms of archivability and usability in the long term. Now at the end of the grant cycle, the Endings Project, though successful in its conversion of its past and present projects into static sites, struggled to find a satisfactory solution for replicating the search functionationality necessary for all of our projects. Most search engines require the use of server side processing; though simple Javascript search engines, such as Lunr, do exist, they cannot feasibly handle the large document collections that comprise the standard digital edition. This presentation outlines the creation of staticSearch: an open-access codebase for creating a completely client-side search engine for static websites. A fully open source project, staticSearch enables robust search capabilities for a wide range of digital humanities projects without the need for server-side processing. Built as a collaborative project between UBC's The Winnifred Eaton Archive and eight digital edition projects housed in UVic's HCMC, staticSearch can query any collection of XHTML5 documents and offers advanced searching capabilities, like boolean searches and exact phrase matching, as well as faceted search filters based on configurable document metadata. This presentation discusses the creation of the staticSearch as a multi-project collaboration and how it can offer a robust, future-proof solution for searching across HTML document collections, as well as foster stronger connections between digital humanities resources.
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 | 0,004 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,006 | 0,010 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,029 |
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 ».