Critica del manoscritto base. Pairwise and multiple alignment for the automatic collation.
Notice bibliographique
Résumé
The aim of this paper is to analyse the reasons and the consequences of the use of a base-witness for the collation, in relation with the major textual scholarship traditions. Using a base-witness means collating each witness against the same one, i.e. the base. We shall focus on collation practices, and in particular on digital collation; three classes of algorithms have been used for this purpose: pairwise alignment, progressive multiple alignment and non-progressive multiple alignment. The results obtained using these different procedures will be shown and compared. In line with recent contributions (among which Sculley and Pasanek; Burdick et al., 101; Pierazzo, 110), this paper argues that the use of digital techniques should come with a critical understanding of the mechanisms informing those techniques, in order to better choose among them and to demystify the feeling of objectivity and truth coming from the result of a computational process; engaging on explicit ground with the digital side of Digital Humanities in general, and digital collation in particular, eventually means recognizing and promoting the interpretative nature of any investigation in the Humanities. Bibliography Andrews, Tara. “Digital Techniques for Critical Edition.” In Armenian Philology in the Modern Era: From Manuscript to Digital Text, Ed. V. Calzolari and M. E. Stone. Leiden: Brill, 2014. Burdick, Anne, Johanna Drucker, Peter Lunenfeld, Todd Presner, and Jeffrey Schnapp. Digital_Humanities. Cambridge, MA: The MIT Press, 2012. Dekker, Ronald Haentjens, Dirk van Hulle, Gregor Middell, Vincent Neyt, and Joris van Zundert. “Computer-Supported Collation of Modern Manuscripts: CollateX and the Beckett Digital Manuscript Project.” Digital Scholarship in the Humanities 30, no. 3 (September 1, 2015): 452–70. Dekker, Ronald Haentjens, and Gregor Middell. “Computer-Supported Collation with CollateX”. 2011. Froger, Jacques. La Critique des textes et son automatisation, Dunod 1968. Pierazzo, Elena. Digital Scholarly Editing: Theories, Models and Methods. Ashgate, 2015. Robinson, Peter. “Collate 2, and the design for its successor: CollateXML (now, CollateX)”, 2007. Schmidt, Desmond Allan. “Merging Multi-Version Texts: A General Solution to the Overlap Problem.” In Proceedings of Balisage: The Markup Conference 2009, Vol. vol. 3. Balisage Series on Markup Technologies. Montréal, Canada, August 11 - 14, 2009, 2009. Schmidt, Desmond, and Robert Colomb. “A Data Structure for Representing Multi-Version Texts Online.” Int. J. Hum.-Comput. Stud. 67, no. 6 (June 2009): 497–514. Sculley, D., and Bradley M. Pasanek. ‘Meaning and Mining: The Impact of Implicit Assumptions in Data Mining for the Humanities’. Literary and Linguistic Computing 23, no. 4 (1 December 2008): 409–24. Spencer, Matthew, and Christopher J. Howe. “Collating Texts Using Progressive Multiple Alignment.” Computers and the Humanities 38, no. 3 (2004): 253–70.
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 | 0,023 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,005 | 0,014 |
| Communication savante | 0,006 | 0,011 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,007 |
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 ».