JSON-tiedostojen ohjelmallinen parsinta
Notice bibliographique
Résumé
Opinnäytetyön aiheena oli rakentaa Python-sovellusarkkitehtuuri, jonka avulla on mahdollista parsia JSON-tiedostoja ohjelmallisesti, ja tallentaa parsittu data tietokantaan. Projektissa hyödynnetään Metan toteuttajasta keräämää tietoa. Sivutuotteena syntyi datamassa, josta on aggregoimalla mahdollista analysoida käyttäjän aktiivisuutta palvelussa. Projekti on henkilökohtainen ja sen tuotoksen tarkoitus on täydentää toteuttajan portfoliota. \n \nTyö toteutettiin toiminnallisena, käyttäen Pythonia ja Polars-ohjelmointirajapintaa, ja Podmanilla kontitettuja PostgreSQL-tietokantoja. Raportissa esitellään kontitettujen ympäristöjen pystyttäminen sekä sovellusarkkitehtuurin toimintaa käytännön esimerkein. \n \nRaportin päätöskappaleessa käsitellään mahdollisia jatkokehitysvaatimuksia, että projektin tuotokset ovat käyttökelpoisia käytännön toiminnassa. Sivuttuja aiheita on muun muassa automatiikka, datamassojen potentiaalinen suuruus, sekä tunnistetut heikkoudet parserin toteutuksessa.
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,008 | 0,013 |
| Science ouverte | 0,003 | 0,009 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,142 | 0,096 |
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 ».