Application du concept de Frontière à l’emploi de la modalité de visée dans certaines subordonnées en anglais
Bibliographic record
Abstract
Cet article a pour objet l’emploi de la modalité de visée de will (et également de sa forme passée would) dans certaines subordonnées en anglais. Notre corpus est composé exclusivement d’exemples authentiques tirés du British National Corpus (B.N.C.), un corpus d’anglais britannique comportant cent millions de mots. Nous souhaitons montrer que le concept de Frontière tel que le définit A. Culioli dans la Théorie des Opérations Énonciatives (T.O.É.) n’est pas uniquement un concept théorique abstrait, mais apporte au contraire une aide concrète à la représentation, et partant à une meilleure compréhension, de phénomènes linguistiques complexes. Ainsi, nous nous servons du schéma du domaine notionnel, dont la Frontière qui marque la limite entre l’Intérieur et l’Extérieur est une des composantes, afin de représenter la relation prédicative de la principale et celle de la subordonnée des exemples que nous étudions. Après quelques commentaires sur certaines relatives introduites par when (par exemple, I look forward to the day when South Africa will have a fully representative government), nous nous intéressons essentiellement aux subordonnées introduites par if de type conditionnel (par exemple I’ll meet you if it will help the garden), ou bien concessif (the patient’s interest consists of his right to selfdetermination even if it will damage his health). Nous insistons sur le repérage qui s’effectue entre relation prédicative de la subordonnée et de la principale et tentons de montrer que l’emploi de will dans la subordonnée traduit également certaines tensions du contexte, comme la présence de préconstruits contraires, et implique une prise en compte dynamique des diverses zones du domaine, et notamment de la Frontière.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".