Notice bibliographique
Résumé
La langue est un système d’expression et de communication commun à un groupe ou une communauté linguistique. Au sein de la langue, les économistes constituent une communauté caractérisée par l’utilisation d’un langage particulier, c’est‑à‑dire une terminologie et un vocabulaire spécifiques donnant lieu à des discours spécialisés. Quatre catégories de textes économiques sont repérables : descriptifs, narratifs, explicatifs et téléologiques. Ces quatre catégories de textes se retrouvent souvent dans un même document traitant d’économie. Cependant, une catégorie prédomine sur les autres : le texte narratif. Celui-ci fait l’objet du présent article, en rapport avec la conjoncture économique. Pour l’étude d’un cas concret d’analyse économique de la conjoncture, il s’avère nécessaire d’étudier aussi le temps verbal de l’analyse. En effet, tout un éventail d’analyses économiques sont construites à partir de modèles narratifs très différents et avec des temps et des modes verbaux distincts. Le travail aborde, en premier lieu, la signification de la conjoncture économique, afin de montrer la nécessité de considérer la temporalité de la narration économique. Ensuite, et de façon sommaire, l’article s’attarde sur certaines considérations du système verbal et sur l’aspect du verbe. Pour conclure, les approches économiques qui permettent d’expliquer le comportement des sujets et des questions économiques dans le temps sont présentées.
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,007 |
| Communication savante | 0,007 | 0,008 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,004 |
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 ».