Leksikografien på egne ben. Fordelingsstrukturer og byggedele i et brugerorienteret perspektiv
Bibliographic record
Abstract
Leksikografien på egne ben. Fordelingsstrukturer og byggedele i et brugerorienteret perspektiv 1. IndledningHvis et gazellekid ikke er i stand til at stå på egne ben inden for de første 20-30 minutter af sit liv, er det fortabt.Så slemt er det ikke gået for leksikografien.Den lever i bedste velgående -især som praksis.Men det ville være synd at sige, at den som videnskab er blevet voksen.I en vis forstand befinder den sig stadig i sine 20-30 første leveminutter.Fejlen er rent genetisk.Leksikografiens skæbne er, at den har delt seng med lingvistikken.Afkommet er derfor undertiden blevet en svækket hybrid.En stor del af dem, som har skrevet teoretisk om leksikografi, har haft deres baggrund i lingvistikken.Mange har deltaget i udarbejdelsen af det, som noget upræcist kaldes for sprogordbøger.På dette grundlag har de i deres teoretiske betragtninger anskuet leksikografien som en del af lingvistikken.Det er en oplagt fejl, som ville svare til, at man definerede leksikografien som en disciplin under pumpeteknologi, medicin, aftaleret og årsregnskaber, fordi disse fagområder også har været gjort til genstand for ordbogsproduktion.Selv da fejlen var rettet, hvilket ikke mindst skyldes den tyske leksikografi H.E. Wiegand, 1 levede lingvistikkens gener videre i leksikografien.Og tilmed blandet op med filosofiske vandregener.2 Et af de grelleste eksempler er den tilbagevendende diskussion om semantik og 121
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 | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.008 | 0.006 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.197 | 0.117 |
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".