De la violence verbale pour une sociolinguistique des discours et des interactions
Notice bibliographique
Résumé
Depuis quelques années nous cherchons à cerner dans sa plus grande complexité la notion de violence verbale, largement utilisée dans les médias et dans le cadre de lEducation Nationale, quand se généralisent les discours sur linsécurité, la violence et les difficultés dintégration. Les actes de langage menaçants constituent un large champ investi par différentes équipes de recherche de Chambéry à Bruxelles ou Québec pour le monde francophone et participent de la violence verbale. On peut citer, entre autres, linsulte, le mépris, la menace, le dénigrement, voire la médisance. Si nous nous intéressons à tous ces phénomènes et avons travaillé sur le malentendu ou linsulte par exemple, nous essayons aussi de définir un processus global qui se manifeste dans des « montées en tension », analysables dun point de vue interactionnel et où se jouent rapports de pouvoir, processus de catégorisation et actions sociales. Il sagit ici de présenter une synthèse des approches théoriques et méthodologiques qui nous aident à appréhender notre objet de recherche quest la violence verbale. Alors que nous avons largement publié des analyses dinteractions en milieu scolaire, informel ou à partir dextraits de films, que nous avons explicité également nos visées sociales, nous nous centrerons ici sur notre démarche théorique.
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 | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,007 | 0,025 |
| Communication savante | 0,008 | 0,008 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».