Organisation conceptuelle du domaine et structure de dictionnaire — L’exemple du commerce de détail
Bibliographic record
Abstract
Organisation conceptuelle du domaine et structure de dictionnaire – L'exemple du commerce de détail – Le présent article a pour objectif de présenter un dictionnaire spécialisé bilingue (anglais-français) original. Il est conçu pour répondre aux besoins des traducteurs et les stratégies lexicographiques mises en oeuvre s'orientent autour de trois axes : richesse des propositions d'équivalent, intention et extension des définitions, explicitation des relations sémantiques (ou internotionnelles). L'article propose une discussion de ces axes en fonction de plusieurs paramètres liés au domaine de spécialité : nature et dynamique de la langue commerciale dans le domaine de la distribution, degré d'avancement de la recherche terminologique dans ce domaine, besoin des traducteurs dans cette spécialité. Les grandes lignes théoriques de l'article s'articulent autour de la mise en évidence des structures de connaissances propres au domaine et de la priorité accordée à la démarche cognitive des traducteurs (qui opèrent en discours plutôt qu'en langue).
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.002 | 0.006 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.002 |
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".