MétaCan
Menu
Retour à la cohorte
Enregistrement W2132770220 · doi:10.1017/s0959269513000227

<i>‘Les anglicismes polluent la langue française’</i>. Purist attitudes in France and Quebec

2013· article· en· W2132770220 sur OpenAlexaboutno aff
Olivia Walsh

Notice bibliographique

RevueJournal of French Language Studies · 2013
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLinguistics, Language Diversity, and Identity
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRhetoricOrder (exchange)SociologyFace (sociological concept)Media studiesPhilosophyLinguisticsSocial scienceEconomics

Résumé

récupéré en direct d'OpenAlex

ABSTRACT It is often claimed that France is a particularly purist country; the Académie française is seen to be representative of a purist outlook and popular works such as Étiemble's attack on English influence Parlez vous franglais? (Étiemble, 1964) have served to bolster this view. However, this claim has not been empirically verified. In order to determine whether or not the rhetoric around purism in France matches the reality, we developed a questionnaire to investigate whether or not ordinary speakers of French in France are purist, taking the theoretical framework in George Thomas's Linguistic Purism as a base (Thomas, 1991). This questionnaire was distributed online to a random sample of participants in France. To contextualise the findings, the questionnaire was also distributed to French speakers in Quebec. The results of the study show that, contrary to expectations, the French respondents display only mild purism and the Québécois respondents are more purist in the face of English borrowings (external purism). However, the French respondents are more concerned with the structure or ‘quality’ of the French language itself (internal purism) than their Québécois counterparts. This study also highlights some problems with Thomas's framework, which requires some modification for future research.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,154

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,005
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,261
Écart entre enseignants0,243 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations28
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of French Language StudiesMême sujetLinguistics, Language Diversity, and IdentityTravaux en français237 207