Pistes d'exploration pour l'élaboration d'un système formel de montée en abstraction et d'émergence de catégorisations linguistiques
Bibliographic record
Abstract
\nLa présente étude s'inscrit dans les champs de recherche sur l'ingénierie linguistique. Cette discipline, rattachée aux sciences cognitives, a pour objectif de fournir des modèles pour la conception et la réalisation de systèmes informatiques aptes à effectuer un traitement des données linguistiques. Cette discipline renvoie à des applications très diverses portant sur des problèmes reliés aux domaines suivants : la construction de représentations sémantiques, le résumé automatique de textes, l'acquisition et la modélisation de connaissances à partir de textes, la traduction automatique, le data mining et le text mining, etc. \n \nCe mémoire aborde surtout la dimension de la formalisation d'un système d'acquisition de connaissances illustrant une montée en abstraction, tant sur le plan neuronal que sur le plan énonciatif. Le lecteur doit comprendre que les objectifs de ce mémoire sont exploratoires et que nos intentions immédiates ne visent qu'à poser les jalons pour une recherche ultérieure de niveau doctoral. Un modèle est proposé, d'abord sous forme de graphe ensembliste fermé et ensuite ouvert par l'ajout de règles de connectivité, pour développer une démarche moins statique. Ce modèle est posé à cette étape ci comme prometteur et en accord avec l'hypothèse générale d'émergence dynamique que représente un processus de montée en abstraction. \n
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 | 0.010 | 0.018 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.004 |
| Bibliometrics | 0.004 | 0.003 |
| Science and technology studies | 0.004 | 0.021 |
| Scholarly communication | 0.017 | 0.028 |
| Open science | 0.003 | 0.010 |
| Research integrity | 0.004 | 0.010 |
| Insufficient payload (model declined to judge) | 0.019 | 0.005 |
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".