Asimmetrie terminologiche italiano/russo nel settore tecnico
Bibliographic record
Abstract
Nell'ambito del presente lavoro il fenomeno di multiformità del termine si esprime in una stratificazione cognitiva riconducibile alla variazione terminologica e viene esaminato in maniera trasversale su entrambe le lingue di lavoro. \n\tLa terminologia del dominio “Macchine per il riempimento” nasce sotto forma di testi scritti e orali che sono frutto sia di diversi contesti extralinguistici sia della percezione stratificata dei testi. \n\tA livello terminografico, i processi interdipendenti di produzione della terminologia stratificata e della sua percezione stratificata si concretizzano in asimmetrie cognitive. \n\tLa Tesi intende registrare le asimmetrie cognitive presenti nella terminologia del dominio prescelto mediante l'impiego del modello del Dizionario Esplicativo Combinatorio (DEC). Oltre ad essere uno strumento particolarmente adatto a tal fine, il DEC si pone a base di diversi progetti nel settore del lessico specialistico fruibili sul WEB. \nIl presente lavoro costituisce il primo contributo scientifico elaborato in Italia di adattamento del DEC alla terminologia tecnica. \n\tNella prima parte del lavoro si tratteggia il progetto on-line DiCoEnviro sviluppato dall'Osservatorio Linguistico Senso-Testo (OLST) dell’Università di Montreal in base al nucleo teorico e teoretico DiCo. \n\tIn seguito si opera una contestualizzazione del modello DEC, sia mediante l’excursus biografico dell'autore Igor Mel'čuk sia mediante la descrizione della teoria Smysl<=>Tekst, fondante il DEC – in termini universalmente impiegabili. \n\tIn seguito ancora, con la trattazione contemporanea in entrambe le lingue di lavoro, si analizzano le particolarità terminologiche del dominio in base ai testi appartenenti a diverse tipologie testuali. L'analisi porta a tratteggiare quella catena di percezione “dal produttore del macchinario all'utilizzatore diretto” che costituisce la radice delle asimmetrie cognitive-oggetto di ricerca. \n\tSulla scorta delle asimmetrie individuate si formulano proposte di configurazione del DEC funzionali alla sua applicazione al settore terminologico. \n\tI risultati lasciano supporre che adattamenti simili a quelli proposti, mutatis mutandis, produrrebbero risultati altrettanto soddisfacenti in ciascun settore industriale.
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 imitationNot 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.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.001 |
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 teacher head, 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".