Les modifications lexicales apportées par les réviseurs professionnels dans leur tâche de révision : du problème à la solution
Notice bibliographique
Résumé
Depuis quelques années seulement, chercheurs et praticiens en révision professionnelle ont commencé à décrire ce métier et à expliquer les multiples tâches qu'il comporte (Bisaillon, 2005, 2007a et b; Cloutier, 2005; Leclerc, 2006; Lachance, 2006; Association canadienne des réviseurs, 2006; Bisaillon, 2007 c). Dans la foulée de ces travaux, j'ai entrepris une étude sur les modifications lexicales apportées par six réviseurs au cours d'un de leurs mandats de révision afin de préciser la nature et les raisons d'être de ce type de modifications. Je cherchais entre autres, à répondre aux questions suivantes: Qu'est-ce qui caractérise les modifications lexicales? Quels problèmes les réviseurs ont-ils détectés pour justifier ces changements et comment les ont-ils résolus? Quelles préoccupations révisionnelles traduisent ces modifications? Pour obtenir des données, une partie du travail des réviseurs a d'abord été filmé et ceux -ci devaient, par la suite, expliquer les changelnents qu'ils avaient faits dans le texte. Seulement les modifications portant sur des unités lexicales ont été retenues pour ma recherche et une classification a été élaborée pour les décrire et les analyser. Les principaux résultats montrent que les unités lexicales visées par les Inodifications sont le plus souvent remplacées et qu'elles appartiennent deux fois sur trois à une classe ouverte (nom, verbe, adjectif et adverbe). Les problèmes détectés par les réviseurs ont été classés dans une vingtaine de catégories différentes, ce qui témoigne bien de la diversité des difficultés que pose l' elnploi des mots dans un texte. Même si les erreurs de syntaxe et les erreurs d'orthographe grammaticale sont les plus nombreuses, elles ne comptent que pour environ 20 % de tous les problèmes détectés et résolus. On remarque également que quelques modifications lexicales ont été apportées sur la base de pressentiments. Par ailleurs, il s'avère qu 'une modification sur deux visant une unité lexicale est faite dans une optique nonnative. Enfin, on observe que certains éléments du contexte de travail, dont le mandat reçu, la conception de la révision et la fonnation, semblent avoir une incidence sur les types de problèmes que détectent et corrigent les réviseurs.
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 | 0,011 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,010 |
| Communication savante | 0,009 | 0,013 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».