Notice bibliographique
Résumé
Several studies have analyzed sociolinguistic variation in Quebec French (QF) vernaculars, but few have examined more careful QF speech. This paper examines verbal negation and the variable use of the negative clitic ne in the speech of 32 members of Quebec’s cultural elites during recent (2003–2011) televised sit-down interviews. As a subset of our sample is interviewed in two different settings, one which deals with emotional personal narratives (Un Train corpus) and another in which speakers talk about a more objective topic (Le Point corpus, see Bigot 2008), the comparison between corpora further assesses the status of the negative particle as a stylistic marker. For instance, our analysis of both corpora reveals rates of ne use far superior to those observed in QF vernaculars, as well as a significant effect of address pronoun (formal 2s vous or informal tu) and age. We also show that operative linguistic constraints in our careful QF data are similar to those described in the literature on colloquial French (e.g. effect of collocations and subject type), and remain stable across speaker groups and interview settings. These results indicate that although speakers are aiming towards an elusive ‘standard Quebec French’ (SQF), they are constrained by a cohesive mental grammar even in careful speech. In short, this study fills a gap in the literature by using comparative sociolinguistics methods to provide a more nuanced description of verbal negation in ‘standard Quebec French’ (SQF), one which measures the relative effect of social, stylistic and linguistic factors.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,005 |
| Communication savante | 0,002 | 0,015 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».