Relecture des marges du "Petit Robert des enfants" du dictionnaire papier vers un dictionnaire electronique
Notice bibliographique
Résumé
Notre mémoire est consacré à l'étude du Petit Robert des enfants (PREnf) publié en 1988 sous la direction de Josette Rey-Debove, et plus particulièrement à l'étude d'un aspect très original de ce dictionnaire d'apprentissage, à savoir les informations présentées dans les marges de l'ouvrage, qui sont complémentaires au contenu des articles. Le premier objectif de notre étude consistait à décrire de façon détaillée les informations marginales du PREnf. Cette description a été basée sur un examen qualitatif et quantitatif d'un échantillon précis. En fonction des deux grandes catégories de données marginales du PREnf, notre analyse a d'abord porté sur les données de nature linguistique (imprimées en noir) puis sur celles de nature extralinguistique (imprimées en bleu). Notre étude avait comme deuxième objectif d'établir dans quelle mesure et sous quelle forme il serait possible de transposer vers un support électronique les divers types d'information que contiennent les marges du PREnf. La réalisation de cette proposition s'appuie sur la structuration sous-jacente des contenus des marges du PREnf tel que proposée dans notre étude. La description et l'analyse des données marginales du PREnf montre [i.e. montrent] à l'évidence que, malgré son échec commercial, le PREnf offre l'exemple d'une très riche proposition lexicographique dont les futurs dictionnaires pour enfants pourraient encore s'inspirer avec profit. De plus, notre étude nous a permis de démontrer qu'il serait pertinent de s'inspirer du PREnf, tant du point de vue de son contenu que de son dispositif pédagogique pour élaborer un dictionnaire électronique d'apprentissage destiné. à des enfants du niveau primaire.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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 tête enseignante, 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 ».