Bibliographic record
Abstract
À l’ère de la mondialisation, les modes d’accès à l’information sont en pleine mutation, que ce soit dans l’apprentissage ou dans l’exploitation des connaissances. La gestion de l’information est d’autant plus complexe qu’elle se conjugue avec la gestion d’un temps qui semble « accéléré », en raison, d’une part, des relations multiples entre les systèmes et les individus et, d’autre part, de la demande de plus en plus pressante de rapidité dans la gestion des affaires, ceci afin de limiter les coûts. Dans cet univers mondialisé, mouvant, multiculturel et multilingue, la recherche en traductologie apparaît comme un lieu où peuvent être élaborées des propositions de solutions au service des acteurs de ce monde en mouvement. De fait, la gestion des connaissances dans des univers culturels différents est une activité de recherche de longue date dans le domaine de la traductologie ; la terminologie moderne donne lieu, depuis plusieurs années, à des développements intéressants autour des bases de données ; la linguistique, notamment grâce à la sémantique, a initié depuis quelques années également des travaux sur les bases de connaissances et les cartes sémantiques intégrées. De leur côté, les sciences des nouvelles technologies et en particulier la recherche sur les systèmes d’information ont développé des systèmes de bases de connaissances multimédias orientées métiers. C’est au regard de ces travaux et de leurs possibles interactions que le centre de recherche de l’ISIT, le CRATIL (Centre de recherche appliquée sur la traduction, l’interprétation et le langage) a mis en place des projets de recherche pluridisciplinaires où les nouvelles technologies et les terminologies liées à des métiers spécifiques sont devenues les outils de l’innovation au service de la société de la connaissance multilingue et multiculturelle.
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 | 0.009 | 0.022 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.006 | 0.007 |
| Science and technology studies | 0.005 | 0.014 |
| Scholarly communication | 0.019 | 0.028 |
| Open science | 0.003 | 0.006 |
| Research integrity | 0.006 | 0.007 |
| Insufficient payload (model declined to judge) | 0.019 | 0.012 |
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".