Mon lapin, ma biche ou loulou ? La fréquence d’emploi des surnoms d’amour pour femmes et pour hommes en français de France et en français québécois
Notice bibliographique
Résumé
L’objectif de cette communication est d’analyser la productivité et l’usage des surnoms d’amour pour femmes et pour hommes dans le contexte francophone, notamment en France et au Québec. À partir des dispositifs lexicographiques et des ressources de la Toile, nous avons élaboré un corpus de mots que nous analysons plus en détail avec des outils de la linguistique de corpus, à savoir sur la plateforme Néoveille et dans les corpus slovaques Aranea permettant de mesurer les fréquences d’emploi dans les deux contextes distincts français et québécois. Premièrement, nous allons caractériser et classifier, en général, les surnoms affectifs pour femmes et pour hommes. Deuxièmement, nous allons présenter les mots recueillis pour notre analyse et nous allons les commenter en fonction des processus de leur formation ou de leur appartenance à un domaine déterminé. Finalement, nous allons vérifier la fréquence d’emploi et la productivité d’un échantillon de mots choisi dans des corpus linguistiques choisis, et nous allons comparer les deux contextes de notre recherche pour pouvoir nous prononcer sur leurs ressemblances ou différences.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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 ».