Artificial Intelligence and the Book Industry. White Paper
Notice bibliographique
Résumé
Artificial intelligence (AI) in the book world is a reality. Indeed, it is not reserved for sales platforms or medical applications. AI can assist writing, accompany editorial work or help the bookseller. It can respond to crying needs; despite its obvious limitations, it can be used to consider new applications in the book chain, which are the subject of specific recommendations here. This white paper, written by two specialists in the field of books and artificial intelligence, aims to identify ways to put AI at the service of the many links in the book world.<br> “Planning for this cultural niche’s immediate future must be done and specific actions must be undertaken in order to establish new methods and models. This white paper will outline a possible course of action: the idea of a concerted effort by book industry actors in the use of AI.”<br> This consultation is called for by a number of experts, who testify in this White Paper of the stakes specific to the current cultural context threatened by the giants of commerce : “Although use of AI calls for constant vigilance, it seems important that actors in the book industry pay close attention to these technological advances, as much to the potential disruptions as to the possible benefits they could entail.” (Virginie Clayssen, Éditis / Digital committee of the French Publishers Association)<br> Thus, “the key to introducing AI, thought as augmented intelligence, to different links in the book chain is undoubtedly exploitation of data that is already available and that the competition does not possess”.
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 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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,005 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».