FRED-S: The Freiburg Corpus of English Dialects Sampler
Notice bibliographique
Résumé
The Freiburg Corpus of English Dialects Sampler (FRED-S) spans a subset of FRED texts, covering 1,011,396 words and about 123 hours of recorded speech. It consists of 121 interviews with 144 dialect speakers from 5 major dialect areas: the Southwest of England, the Southeast of England, the Midlands, the North of England, and the Scottish Lowlands. The interviews were recorded between 1970 and 2000, while the majority was recorded during the 1970s and 1980s. The FRED-S interviews are available in three formats and can be downloaded here: •\tAudio files in mp3 format •\tTranscripts in txt format •\tPart-of-speech tagged transcripts in txt format We have adopted a ‘notice and take down policy’. We will thus remove a recording or transcript if we receive a written request from someone expressing a genuine objection. If you are concerned that you have found data on this website for which you have not given permission to be published in this way, please contact us at fred@anglistik.uni-freiburg.de. Our heartfelt thanks go to the following archives for providing the opportunity to publish interviews on this website: • Cornish Audio and Visual Archive (last accessed 02 August 2016) • Totnes Elizabethan Museum (last accessed 02 August 2016) • Trowbridge Museum (last accessed 02 August 2016) • Somerset Rural Life Museum/ South West Heritage Trust (last accessed 02 August 2016)
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,008 | 0,013 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,056 | 0,018 |
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 ».