Est-ce canadien ou non ? Les difficultés des lexicographes canadiens
Notice bibliographique
Résumé
Notre article porte sur le traitement d’expressions utilisées dans deux communautés linguistiques francophones (le Canada et la France). La politique éditoriale du Dictionnaire bilingue canadien est d’indiquer à l’utilisateur les usages particuliers au Canada. Mais les expressions figées et les collocations se distinguent souvent de façon subtile d’une communauté à l’autre. Ainsi, on remarquera une différence morphologique et syntaxique dans les paires telles que tirer les cartes/tirer aux cartes, mettre les pieds dans le plat/se mettre les pieds dans les plats et faire le beau/faire la belle. De plus, il existe des collocations et des expressions qui, bien qu’identiques sur le plan formel, ne le sont pas dans leurs usages, comme par exemple avoir l’air fin et passer au travers. Ces expressions nous intéressent tout particulièrement, mais distinguer leurs usages propres au Canada n’est pas aisé pour les lexicographes canadiens. En effet, ces subtilités ne se décèlent souvent qu’en contexte, c’est-à-dire après l’analyse de corpus particuliers à chaque communauté. Nous montrons quelles sont les étapes obligatoires de notre démarche avant d’arriver à distinguer les usages propres et/ou communs à chaque communauté et de les indiquer à l’utilisateur.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,005 | 0,006 |
| Communication savante | 0,009 | 0,006 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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; 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 ».