Marqueurs discursifs et reformulation en portugais: une affaire de langue et d’activité langagière
Notice bibliographique
Résumé
Les marqueurs discursifs \n(MD) sont difficiles à catégoriser par \nl’effet de leur nature hétérogène. Selon les différentes approches, les critères morphologiques et syntaxiques \nsont insuffisants pour l’identification \nde leur spécificité en tant que formes \nlinguistiques. L’objectif de cet article \nest d’aborder les MD selon une approche conciliante entre texte et \nénonciation afin de, dans un premier \ntemps, questionner, voire problématiser ces formes, puis, dans un deuxième temps, proposer une approche \nqui rende compte de leur caractère \ncomplexe. L’analyse textuelle et énonciative, prenant en compte le processus différentiel et le plan de variabilité, permet de cerner les MD de reformulation – objet de cet article – d’une \nmanière plus appropriée car en plus \nde leur fonction est prise en compte \nleur nature (linguistique). Pour ce \nfaire seront analysés des MD de reformulation dans des textes de sphères \nd’activité différentes – humoristique \net académique – la deuxième fonctionnant comme contre-exemple de la \npremière.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 tête enseignante, 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 ».