Pistes d'exploration pour l'élaboration d'un système formel de montée en abstraction et d'émergence de catégorisations linguistiques
Notice bibliographique
Résumé
\nLa présente étude s'inscrit dans les champs de recherche sur l'ingénierie linguistique. Cette discipline, rattachée aux sciences cognitives, a pour objectif de fournir des modèles pour la conception et la réalisation de systèmes informatiques aptes à effectuer un traitement des données linguistiques. Cette discipline renvoie à des applications très diverses portant sur des problèmes reliés aux domaines suivants : la construction de représentations sémantiques, le résumé automatique de textes, l'acquisition et la modélisation de connaissances à partir de textes, la traduction automatique, le data mining et le text mining, etc. \n \nCe mémoire aborde surtout la dimension de la formalisation d'un système d'acquisition de connaissances illustrant une montée en abstraction, tant sur le plan neuronal que sur le plan énonciatif. Le lecteur doit comprendre que les objectifs de ce mémoire sont exploratoires et que nos intentions immédiates ne visent qu'à poser les jalons pour une recherche ultérieure de niveau doctoral. Un modèle est proposé, d'abord sous forme de graphe ensembliste fermé et ensuite ouvert par l'ajout de règles de connectivité, pour développer une démarche moins statique. Ce modèle est posé à cette étape ci comme prometteur et en accord avec l'hypothèse générale d'émergence dynamique que représente un processus de montée en abstraction. \n
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 | 0,010 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,021 |
| Communication savante | 0,017 | 0,028 |
| Science ouverte | 0,003 | 0,010 |
| Intégrité de la recherche | 0,004 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 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; 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 ».