A linguistic approach to identity-seeking in the contemporary Quebecois novel
Notice bibliographique
Résumé
Ce travail de doctorat a été rédigé dans le cadre d’une cotutelle internationale de thèse, établie entre l’Université de Limoges et l’Université de Montréal. Nous examinons quatre romans québécois contemporains : Hadassa de Myriam Beaudoin, La Logeuse d’Éric Dupont, Le Fou d’Omar d’Abla Farhoud et Côte-des-Nègres de Mauricio Segura. Les romans ont été publiés entre les années 1998 et 2006. Le plus important objectif est l’étude du lien entre l’hétérolinguisme du roman québécois des années 1995-2010 et la pratique langagière des protagonistes. Nous plaçons les héros littéraires au cœur de notre recherche. Nous procédons par induction, parce que nous décryptons la conception du monde des personnages principaux à partir de leur pratique langagière. Cela nous permet de déterminer les facteurs qui motiveraient le changement de registre et de variété de langue dans des situations spécifiques. Nous nous servons des théories littéraires, linguistiques et sociolinguistiques. L’analyse de la diégèse s’inspire de la théorie de Gérard Genette. Nous nous servons de cinq procédés de différenciation de Philippe Hamon et de deux procédés d’individualisation de Boris Tomachevski pour établir la hiérarchie des personnages. Les résultats de l’analyse diégétique sont reproduits sur le schéma graphique de l’énonciation, qui est notre création. Rainier Grutman décrit l’hétérolinguisme comme « la présence dans un texte d’idiomes étrangers, sous quelque forme que ce soit, aussi bien que de variétés (sociales, régionales ou chronologiques) de la langue principale ». Nous recourons aux travaux de Rainier Grutman (1997) et de Chantal Richard (2004) pour analyser les formes et fonctions de l’hétérolinguisme dans notre corpus. L’approche sociolinguistique s’inspire du modèle variationniste de l’alternance et de l’emprunt de Shana Poplack (1988).
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 | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,017 | 0,021 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 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 ».