Bibliographic record
Abstract
Nello studio si prende in esame la ricezione della novità ecologica all’interno dei vocabolari italiani, in ottica diacronica e sincronica. Nella lessicografia, infatti, è possibile identificare le tracce di come l’italiano abbia accolto nel suo sistema lessicale la nascita e lo sviluppo di questa scienza e della relativa terminologia. Essendo l’ecologia una scienza giovane, nata a fine Ottocento, è prima di tutto utile fare il punto sul trattamento ricevuto nei vocabolari e sui problemi posti alla sistemazione lessicografica. Il suo paradigma scientifico, inoltre, inizialmente legato alla biologia e alle scienze naturali, è stato rivoluzionato dall’esplosione dei movimenti ambientalisti, che hanno trasformato lo studio neutro degli ecosistemi in una scienza tesa alla verifica critica degli squilibri naturali prodotti dalle attività umane: è apparso perciò utile ricostruire questa svolta ripercorrendo in diacronia l’evoluzione della definizione di ecologia nei dizionari italiani. Infine, attraverso un piccolo campione di parole chiave legate alla crisi climatica (sostenibilità e derivati, effetto serra), s’indagherà la capacità dei vocabolari italiani di rimanere al passo con un’evoluzione semantica rapidissima, spesso consolidata dall’azione delle istituzioni governative.
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 | 0.017 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.006 |
| Science and technology studies | 0.004 | 0.014 |
| Scholarly communication | 0.015 | 0.012 |
| Open science | 0.002 | 0.009 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.019 | 0.006 |
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".