Mise en oeuvre des méthodes de la linguistique de corpus pour étudier les termes en situation d’innovation disciplinaire : le cas de l’exobiologie
Bibliographic record
Abstract
L’utilisation des méthodes de linguistique de corpus est particulièrement pertinente pour analyser la terminologie en prenant en compte la réalité des fonctionnements tels qu’on les appréhende dans les textes. La première partie de l’article présente les arguments en faveur de ces méthodes. Elles se focalisent sur le lexique, mais permettent aussi d’étudier d’autres phénomènes linguistiques, syntaxiques, sémantiques ou discursifs. En fait, l’intérêt de la terminologie textuelle est l’étude des usages réels en prenant en compte les contextes linguistiques, mais aussi extralinguistiques. Ainsi, la terminologie textuelle propose une méthode adaptée non seulement pour définir les termes, mais aussi pour répondre à d’autres objectifs. De cette manière, l’article explique comment les méthodes de linguistique de corpus peuvent être adoptées dans une situation d’interdisciplinarité, concernant l’émergence d’une nouvelle discipline : l’exobiologie. Nous montrons comment trois types d’indices (formel, quantitatif et distributionnel) sont mis en oeuvre pour repérer des phénomènes de polysémie ou de synonymie et des cas d’emprunts. Ces mêmes types d’indices sont utilisés pour mettre en lumière dans quels cas ces phénomènes sont conscients ou non, et surtout pour repérer les cas où ils peuvent être une source de conflit. Dans une telle étude, le rôle des experts est crucial, afin de valider les résultats, mais surtout parce qu’ils en sont les utilisateurs. Enfin, nous pensons, grâce à cette présentation du panorama des phénomènes linguistiques dans un corpus interdisciplinaire concernant l’exobiologie, contribuer à la définition de cette nouvelle discipline.
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 | 0.018 | 0.042 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.008 | 0.009 |
| Science and technology studies | 0.003 | 0.005 |
| Scholarly communication | 0.012 | 0.010 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.007 | 0.003 |
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".