The frequency and distribution of written and spoken anglicisms in two varieties of French
Notice bibliographique
Résumé
This study examines the frequency and distribution of anglicisms in written and spoken French using a corpus of over 100,000 words collected from two reality television shows and from blogs - data representing two varieties of French: Quebecois French (QC), and French from France (FR). The following research questions guided this study: (1) Which variety of French uses a higher total percentage of anglicisms? (2) Which language mode (written or oral) is characterized by a higher frequency of anglicisms? (3) How does the distribution of different anglicism categories (Wholesale, Direct Translations, Hybrids, and French Inventions and Modifications) compare across French language varieties? The results indicate that, overall, anglicisms tend to make up less than one percent of the corpus (0.99%) when using a token analysis, and 2.80% when analyzing anglicism types. Furthermore, of this total, the percentage of tokens/types in FR was 0.94% / 2.80%, while QC totaled 1.03% / 2.80%. Concerning language mode, anglicisms also appear to be equally frequent in the spoken (TV programs) and written (Internet blogs) corpora for both tokens and types. However, when taking language variety into consideration, FR uses a higher percentage of anglicisms in writing, while QC employs more anglicisms in spoken language. Finally, distribution results suggest that while FR and QC share the preference for anglicizing most frequently within the Wholesale and Hybrid categories, the two language varieties differ in the distribution of anglicisms among the Direct. Translation, and French Invention and Modification categories
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».