Vers une classification automatique de didascalies en français avec des grands modèles de langue
Bibliographic record
Abstract
Suite à nos travaux précédents sur l'affinage de modèles pré-entraînés basés sur BERT pour la même tâche, nous présentons ici des expériences de classification automatique de didascalies en français avec des grands modèles de langue (LLM) sur la base d'une description de leurs types, avec zéro exemples (zero-shot) et avec 20 exemples par classe (few-shot). Nous évaluons des modèles de la famille GPT-4, ainsi que Llama 3.1. Les résultats du modèle gpt-4o (0.7 F1 avec une typologie de 13 classes de nature variée) sont prometteurs. Dans nos expériences, les résultats des LLM sans ou avec peu d'exemples n'atteignent pas les meilleurs scores des modèles BERT affinés sur un volume plus large d'exemples. Cependant, leurs résultats sont intéressants, car une classification de didascalies sans ou avec peu d'exemples permettrait d'annoter de grands corpus (y compris multilingues) avec plusieurs typologies, avec un coût réduit d'annotation manuelle. Une comparaison des analyses selon chaque typologie aiderait à une meilleure compréhension de cet élément complexe, peu étudié avec des méthodes computationnelles.
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) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 0.003 |
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.
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".