Ground Truth for PaganTibet Ume models 1 & 2
Notice bibliographique
Résumé
This dataset forms the triple-checked diplomatic transcriptions of the Ground Truth for the PaganTibet HTR models "Ume 1" and "Ume 2", which can be used free of charge through the Transkribus platform. This dataset is part of the PaganTibet collection, managed by Rachael Griffiths and Marieke Meelen. Transcriptions were first checked by two teams of annotators from the Triten Norbutse Institute and then double-checked by their team leaders:- Team A 'Manual input': Sherab Chokgyal (Team Leader), Tsugphud Woeser,Tsultrim Palsang, Palgyi Wangchuk, Tsewang Drukgyal- Team B 'Correction': Tsultrim Gyaltsen (Team Leader), Tritsuk Lhundup,Tsukphud Rabsal, Tsognyi Gyatso, Sherap Woser All double-checked transcriptions were then triple-checked by Rachael Griffiths, Marieke Meelen and the rest of the PaganTibet research group, led by prof Charles Ramble (PI). Accompanying images and full eTexts will be made available through the BDRC's BUDA platform. PaganTibet is an ERC-funded Advanced Grant project (ERC, PaganTibet, 101097364) led by Professor Charles Ramble(PI) in the Horizon Europe framework, hosted by the École Pratique des Hautes Études (EPHE), PSL in Paris. Copyright Rachael Griffiths et al (all listed creators), October 2025. This document is licensed under CC BY-NC-SA 4.0.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,058 | 0,079 |
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 ».