De l’interprétation des indicateurs linguistiques du recensement canadien
Notice bibliographique
Résumé
Au Canada, les comportements et les caractéristiques linguistiques des individus sont documentés au moyen d’une grande diversité de questions d’enquête et de recensement. Paradoxalement, cette abondance unique au monde soulève des questionnements méthodologiques importants. En effet, quel indicateur privilégier pour effectuer un suivi de la situation linguistique ? Est-il légitime de s’intéresser à l’évolution de la langue parlée à la maison, qui relève de sphère privée ? Comment comparer entre eux les divers indicateurs linguistiques ? Dans cette note de recherche, les auteurs tentent de montrer que chacun des indicateurs linguistiques dépeint une facette particulière de la question linguistique. La langue étant un phénomène social complexe et multifactoriel, aucun indicateur unique ne saurait décrire à lui seul l’évolution de la situation linguistique. Une méthode permettant de comparer les indicateurs de langue maternelle, de langue d’usage privé (langue parlée à la maison) et de langue d’usage public (langue de travail) est également proposée. Les résultats montrent que l’immigration a un impact négatif sur le poids du français et que, contrairement à ce qui a été affirmé de nombreuses fois par le passé, c’est la langue d’usage public, et non la langue d’usage privé, qui est la plus affectée.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,007 |
| Études des sciences et des technologies | 0,005 | 0,005 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».