Essai d’analyse lexicale et stemma codicum de quatre-vingt-trois rituels de Chevaliers Kadosh de la collation du fonds de l’atelier de recherches Sources
Bibliographic record
Abstract
Quatre-vingt-trois rituels de Chevaliers Kadosh, approximativement datés de 1750 à ce jour, sont traités numériquement par des méthodes de fouille de textes ou d’analyse lexicale (Data mining). Pour faciliter la compréhension du travail, ces méthodes sont brièvement décrites et les logiciels de mises en oeuvre sont comparés. Il s’agit, pour ces textes de dates de première occurrence incertaines, de tenter d’établir des critères chronologiques et des caractères de parenté. Une ressource nécessaire à l’établissement de la filiation vraisemblable de ces rituels paraît être l’établissement d’un dendrogramme phylogénétique. Un tel arbre est construit à partir du concept de distance afin de comparer numériquement la proximité (similarité) ou l’éloignement (dissimilarité) de ces textes. Par commodité de traitement numérique, c’est une métrique fondée sur le khi2, ou méthode de Muller, qui est exploitéea priorisur les formes graphiques. Il apparaîta posteriorique la même métrique utilisée sur les fonctions syntaxiques conduit à un arbre phylogénétique quasi identique.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.006 | 0.006 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.014 | 0.007 |
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".