L'emploi de la ponctuation dans des transcriptions de la langue parlée
Notice bibliographique
Résumé
Ce mémoire présente une étude de l'emploi de la ponctuation dans des transcriptions orthographiques de discours oral spontané, dont la source est constituée de deux séries radiophoniques et d'un échantillon de huit émissions d'une série télévisée. L'hypothèse de départ était que les transcripteurs feraient un emploi particulier des signes de ponctuation afin de rendre compte de certains phénomènes propres à l'oral. \n \nPour analyser les données du corpus sélectionné, la méthode choisie repose sur la notion d'écart par rapport à la norme régissant l'emploi des signes ponctuation. Plusieurs grammaires usuelles et traités de ponctuation ont été consultés afin d'identifier les règles qui avaient été transgressées dans chacun des trois textes étudiés. Une fois la liste des écarts présents dans les transcriptions établie, une écoute des enregistrements des trois textes sources a permis de noter certains phénomènes prosodiques comme les pauses, l'intonation et les variations de rythme ou de débit des sujets parlants. La dernière étape du processus d'analyse a consisté à tenter de mettre en relation les 365 écarts notés dans l'emploi des signes de ponctuation avec les caractéristiques prosodiques présentes dans les énoncés sources. Si la présence ou l'absence de pause peut notamment expliquer certains écarts, la relation est, dans d'autres cas, beaucoup plus indirecte : un emploi de la ponctuation déviant par rapport aux usages courants de l'écrit pourrait alors contribuer à simuler ou à recréer un effet d'oralité. Certains phénomènes ne constituant pas un écart ont également été étudiés, particulièrement la longueur des phrases et l'emploi des points de suspension. \n \nEn guise de conclusion, l'étude fait état des différents moyens que les transcripteurs des trois textes étudiés ont privilégiés pour rendre compte de l'oralité du discours de départ. \n
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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,026 | 0,011 |
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 ».