Variation terminologique en francophonie. Élaboration d’un modèle d’analyse des facteurs d’implantation terminologique
Notice bibliographique
Résumé
Cette recherche vise à élucider les facteurs influençant l’implantation terminologique d’un terme en proposant une nouvelle typologie des facteurs et une méthode qui révèle les mécanismes entraînant la variation terminologique en français dans le domaine des TIC à travers une analyse dans quatre communautés francophones, la France, le Québec, la Belgique et la Suisse. Après avoir établi une nouvelle typologie qui englobe quatre facteurs terminologiques, socioterminologiques, psychoterminologiques et extraterminologiques, nous proposons un modèle hypothétique, en introduisant trois concepts statistiques, les variables dépendante, indépendante et modératrice pour élucider la relation entretenue par ces quatre facteurs. La vérification du modèle est effectuée en deux étapes. Pour l’analyse des facteurs terminologiques et socioterminologiques, nous examinons la relation entre chacun d’eux et l’implantation terminologique. Pour ce faire, les termes ont tout d’abord été codifiés selon un critère établi et une analyse de corrélation a ensuite été effectuée. L’analyse des facteurs psychoterminologiques et extraterminologiques consiste, quant à elle, à examiner les réponses de notre questionnaire par des tests statistiques montrant la différence significative des réponses entre les communautés linguistiques. Cette analyse nous permet de confirmer une différence significative entre les trois pays européens et le Québec dans le mécanisme des facteurs d’implantation terminologique et de conclure que les facteurs psychoterminologiques et extraterminologiques jouent un rôle décisif dans cette différence diatopique.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,006 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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; 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 ».