MétaCan
Menu
Retour à la cohorte
Enregistrement W7006531807

Usages et perceptions des francisations et des anglicismes par des journalistes québécois

2021· other· fr· W7006531807 sur OpenAlexaboutno aff

Notice bibliographique

RevueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2021
Typeother
Languefr
DomaineSocial Sciences
ThématiqueScience and Education Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)LigneEthnic community
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Cette recherche présente deux études complémentaires sur la terminologie française dans la presse écrite québécoise. La première, quantitative, est une étude d’implantation qui s’inscrit dans le champ de recherche de la terminométrie. Nous avons mesuré l’implantation, dans quatre quotidiens québécois, de termes français (francisations) et de leurs équivalents anglais (anglicismes) se rapportant au domaine du cinéma et de la télévision. Nos résultats indiquent que pour trois notions sur six, c’est le mot mis en vedette dans le Grand dictionnaire terminologique de l’Office québécois de la langue française qui obtient le coefficient d’implantation moyen le plus élevé parmi les termes concurrents. La deuxième étude présente une série d’entrevues menées avec des journalistes et une correctrice œuvrant dans un journal. Par le biais d’entretiens semi-dirigés, nous avons tenté d’identifier les facteurs qui motivent l’adoption des francisations par les journalistes. Nous avons trouvé que la compréhension immédiate du vocabulaire et sa fréquence dans l’usage – des considérations liées aux normes communicationnelles et évaluatives selon le modèle de l’imaginaire linguistique – sont souvent invoquées par les acteurs de la presse écrite. D’autres facteurs, comme l’influence des pairs, le problème de l’équivalence sémantique et la préférence pour les mots courts et concis entrent aussi en ligne de compte. Les entrevues nous ont également permis de constater que les journalistes utilisent peu les ressources mises en ligne par l’OQLF pour des questions de vocabulaire.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,611
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,013
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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.

Tête enseignante Opus0,052
Tête enseignante GPT0,311
Écart entre enseignants0,259 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)Même sujetScience and Education ResearchTravaux en français237 207