MétaCan
Menu
Back to cohort
Record W2999626586 · doi:10.3917/arco.audis.2016.01

Lire le français d'hier

2016· book· fr· W2999626586 on OpenAlexaboutno aff
Gabriel Audisio, Isabelle Rambaud

Bibliographic record

VenueArmand Colin eBooks · 2016
Typebook
Languagefr
FieldSocial Sciences
TopicFrench Language Learning Methods
Canadian institutionsnot available
Fundersnot available
KeywordsHumanitiesArt

Abstract

fetched live from OpenAlex

À la recherche du passé, amateurs et spécialistes sont de plus en plus nombreux à vouloir remonter dans le temps, jusqu’à l’Ancien Régime, soit les XVIe XVIIe et XVIIIe siècles. En France, en Belgique, en Suisse comme au Québec mais aussi en Allemagne, aux Pays-Bas et en Italie, bien des manuscrits de cette période sont écrits en français. Pourtant, ils paraissent illisibles.De fait, les scribes d’alors, constituant une minorité lettrée de la société, s’étaient dotés d’un système d’écriture particulier, destiné certes à économiser du papier et à gagner du temps, mais aussi à les valoriser puisque, de cette façon, ils étaient les seuls à pouvoir lire et écrire. La difficulté que nous rencontrons aujourd’hui était déjà celle de la majorité de la population à cette époque. Pourtant, il suffit de posséder le code pour réussir à lire les textes.Le présent ouvrage se veut un manuel de paléographie. La paléographie étant la science de l’écriture ancienne et le manuel un livre pratique, il vise, à l’aide de nombreux exemples, à initier le débutant à l’écriture manuscrite française des XVe-XVIIIe siècles. En découvrant et en apprivoisant la forme particulière de certaines lettres, les ligatures, les déformations dues à une écriture de plus en plus cursive, les abréviations des mots les plus usités, chacun peut maîtriser cette « science » qui n’est qu’une « technique » et lire le français d’hier.Cette cinquième édition a été revue, corrigée et augmentée d’un chapitre sur le « moyen français » et de trois nouveaux documents « très difficiles ».

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.002
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Insufficient payload (model declined to judge)
Consensus categoriesInsufficient payload (model declined to judge)
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Other · Consensus signal: Other
Teacher disagreement score0.951
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0020.000
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0000.000
Science and technology studies0.0010.003
Scholarly communication0.0000.000
Open science0.0010.000
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0040.003

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.

Opus teacher head0.024
GPT teacher head0.295
Teacher spread0.271 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; both teacher heads agree on what is shown here.

Study designNot applicable
Domainnot available
GenreOther

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".

Quick stats

Citations0
Published2016
Admission routes1
Has abstractyes

Explore more

Same venueArmand Colin eBooksSame topicFrench Language Learning MethodsFrench-language works237,207