Expérimentation du langage artificiel IEML pour la recherche d’articles scientifiques

Statut: en cours

Responsables: Alexia Schneider, Pierre Lévy

Contexte

Les moteurs de recherche et bases de données scientifiques :

• proposent des articles « similaires » sans expliciter les critères de rapprochement.

• s’appuient sur :

  • des algorithmes de classement favorisant les articles déjà populaires (ranking) et les auteurs les plus cités -> concentration des citations (Matthew’s effect)
  • les intéractions précédentes des utilisateur.ice.s. -> filter bubbles et biais de confirmation.
  • des AI Assistant parfois opaques.

-> perte de diversité scientifique, connaissances en silo disciplinaires.

Objectif de recherche

Conception d’un système de recommandation explicable qui :

1. Favorise la sérendipité et l’exploration critique à partir d’un vocabulaire controllé et explicable.
2. Compare IA symbolique et IA connexionniste : visualise le résultat de recherches d’articles avec et sans ‘IA’.

IEML comme base ontologique

Langage sémantique conçu par Pierre Lévy.

Vocabulaire contrôlé et non ambigu

Chaque concept est décomposé selon 9 rôles sémantiques : thème ou process, qui, quoi, à qui, par quoi, quand, où, pourquoi, comment

Installation de l’extension sur Firefox

1. Télécharger le document depuis https://github.com/alexiaschn/ateliers_ia/blob/rs-ieml/rs_ieml-1.1.xpi : “Download raw file”.

2. Dans la barre du navigateur entrer about:addons.

3. Dans les paramètres : “Installer un module depuis un fichier”

4. Accepter l’installation de “Recommender System for Isisore based on IEML”.

Perspectives

• Retours utilisateurices : amélioration de l’interface
• Analyse des logs : étude de potentiels parcours exploratoires,