CASIMIR : un Corpus d'Articles Scientifiques Intégrant les ModIfications et Révisions des auteurs

Léane Jourdan (1) , Florian Boudin , Nicolas Hernandez (1) , Richard Dufour (1, 2)

1 LS2N - équipe TALN - Traitement Automatique du Langage Naturel
2 LIA - Laboratoire Informatique d'Avignon

Écrire un article scientifique est une tâche difficile. L'écriture scientifique étant un genre très codifié, de bonnes compétences d'écriture sont essentielles pour transmettre ses idées et les résultats de ses recherches. Cet article décrit les motivations et les travaux préliminaires de la création du corpus CASIMIR dont l'objectif est d'offrir une ressource sur l'étape de révision du processus d'écriture d'un article scientifique. CASIMIR est un corpus des multiples versions de 26 355 articles scientifiques provenant d'OpenReview accompagné des relectures par les pairs.

Mots clés: corpus; dataset; scientific articles; openreview; reviews; text revision; corpus dataset scientific articles openreview reviews text revision

Domaines: Informatique [cs]

Léane Jourdan, Florian Boudin, Nicolas Hernandez, Richard Dufour. CASIMIR : un Corpus d'Articles Scientifiques Intégrant les ModIfications et Révisions des auteurs. Atelier sur l'Analyse et la Recherche de Textes Scientifiques, CORIA-TALN 2023, Jun 2023, Paris, France. ⟨hal-04103347⟩