Analyse socioterminologique contrastive: cas du julakan et du français de la santé
Bibliographic record
Abstract
"Introduction: à l'heure actuelle, le julakan -contrairement au français- ne parvient pas à rendre compte, de façon efficace et précise, de certaines réalités dans le domaine de la santé, même si cellesci sont, par exemple, des maladies qui existent dans le milieu où cette langue est en usage. Objectif: contribuer à l'enrichissement du julakan ou, à tout le moins, susciter cet enrichissement qui permettrait de faire de cette langue un instrument efficace de communication et de transfert de connaissances. Méthode: analyse contrastive de la nomenclature du julakan en médecine traditionnelle et de la nomenclature du français en médecine moderne. Résultats: la comparaison effectuée montre que s'il y a des équivalences entre les notions de ces deux langues, il y a également des situations de quasi-équivalence et de vides terminologiques susceptibles d'entraîner des problèmes au niveau de la communication et dans la prise en charge des malades. Conclusions: face à cette réalité, le présent article suggère des solutions spécifiques pour chaque cas problématique identifié. De plus, de nouveaux termes sont proposés pour, à la fois, combler des vides terminologiques et enrichir la nomenclature du julakan de la santé."
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 | 0.003 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.022 | 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; both teacher heads agree on what is shown here.
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".