Cacophonie linguistique dans l’espace francophone montréalais, ou comment redéfinir la francophonie québécoise
Notice bibliographique
Résumé
Cet article s’interroge sur la définition de la francophonie québécoise à partir de l’analyse de données empiriques recueillies dans une entreprise d’insertion pour immigrants à Montréal. Il vise à mettre en contraste le discours sur la langue de travail tel qu’il est articulé par le personnel administratif de cette entreprise et les choix langagiers des immigrants en formation dans ce même centre. Ces choix, ainsi que les discours qui s’y rapportent, ont été documentés à l’aide de transcriptions de plus de vingt-quatre heures de conversations spontanées enregistrées sur magnétophone, de dix heures d’observation participante et de quatre heures d’entrevues avec les membres du personnel. L’analyse porte particulièrement sur les choix linguistiques de ces immigrants. La présence de deux groupes linguistiques dominants leur permet de communiquer dans leur langue maternelle et d’ériger des barrières linguistiques assez étanches laissant peu de place à la communication intergroupe. Plusieurs éléments d’explication seront proposés. D’abord, la compétence approximative dans les langues officielles oblige les allophones à recourir à leur langue maternelle, même si cette pratique n’a pas que des répercussions positives. S’il est vrai que l’usage de la langue maternelle permet de maintenir les liens qui existent dans la communauté linguistique d’appartenance, elle rend l’intégration dans le milieu de travail, de l’aveu même des immigrants, plus difficile. Des raisons systémiques rendent compte de cette pratique. D’abord, le domaine d’emploi dont il est question ici ne valorise pas l’usage du français. De plus, le centre de formation s’efforce de maintenir une image francophone qui nuit aux stagiaires, car si en surface le français est la langue véhiculaire, la réalité requiert une stratégie d’intégration globale incluant l’apprentissage adéquat du français. En conséquence, le français n’est que peu accessible pour ces allophones et ne comporte pas suffisamment d’avantages pour qu’il devienne le choix normal et habituel au travail. Bref, les prérogatives économiques, c’est-à-dire la formation d’une main-d’œuvre manufacturière, sont priorisées au détriment de l’intégration linguistique.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».