Tracking the language of COVID-19 for communication: at a glance… / Profesor Madya Dr. Norwati Hj Roslim ... [et al.]
Notice bibliographique
Résumé
Word of the Year 2020: Collins Dictionary has declared lockdown as the word of the year due to its sharp rise in usage during the COVID-19 pandemic (https://www.collinsdictionary.com/). Merriam-Webster’s Word of the Year for 2020 is pandemic due to its extremely high numbers of looked up in online dictionary (https://www.merriam- webster.com/). The Oxford English Dictionary (OED), however, has been unable to name its traditional Word of the Year for 2020, instead exploring how far and how quickly the language of COVID- 19 has developed in its report titled, "Words of an Unprecedented Year" (https://edition.cnn.com/). Corpus Analysis of the Language of COVID-19: The Coronavirus Corpus (Mark Davis, 2020) highlights what people are actually saying in online newspapers and magazines in 20 different English- speaking countries. This includes words and phrases such as social distancing, flatten the curve and pandemic (https://www.english-corpora.org/). A comparison between regions shows, although the word front liner is used worldwide, it is particularly frequent in South East Asia, especially the Philippines and Malaysia. Self-quarantine is more common in the US than in Canada, Great Britain, Ireland, Australia and New Zealand, where self-isolate and self- isolation are preferred. Words occurring near frontline are “frontline nurse/ medic/caregiver”, “frontline healthcare/health-care workers”, “frontline warrior/hero”, “courageous/heroic frontline workers” and “essential frontline worker” (https://public.oed.com/).
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,005 | 0,007 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,078 | 0,085 |
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 ».