Bibliographic record
Abstract
Je tiens à souligner tout d'abord que mon texte fait référence au concept d'industries de la langue et non pas directement au titre de cette journée « Terminologie et marché des langues ». Je voudrais également, avant que nous ne nous mirions dans ce miroir, vous demander à tous pardon de rompre en quelque sorte le fil conducteur hautement technique de ces journées. Par ailleurs, les interventions précédentes m'ont amené à modifier la structure de mon exposé afin de commencer par vous parler de la traduction, de la terminologie et du marché des langues car, à mon sens, il est bon de présenter le point de vue d'une société qui se consacre quotidiennement à des travaux de terminologie et de traduction considérables. Enfin, je voudrais en exergue à mon exposé, vous citer deux phrases de Joseph Conrad qui dans son ouvrage Le miroir de la mer, (encore une fois un miroir), fait référence à la terminologie : « Prendre des libertés avec le langage technique est un crime contre la clarté, la précision et la beauté du parler le plus perfectionné... » Il ajoute également « ...le langage technique est un instrument poli jusqu'à la perfection par des siècles d'expérience; il est pour ce à quoi il est destiné, sans tache... »
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.015 | 0.012 |
| Scholarly communication | 0.009 | 0.007 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.004 | 0.008 |
| Insufficient payload (model declined to judge) | 0.030 | 0.010 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".