Les phraséologismes verbaux en droit: Une étude de cas à partir du terme responsabilité civile
Bibliographic record
Abstract
Résumé Cet article s'inscrit dans un projet de recherche visant à déterminer si et, le cas échéant, dans quelle mesure ou encore de quelle(s) manière(s) l'étude plus systématique de langue juridique contribuerait à une meilleure connaissance du droit, tel qu'il est entendu traditionnellement, soit comme un “ensemble de règles de conduite socialement édictées et sanctionnées, qui s'imposent aux membres de la société” (Cornu 2011). Cet article, qui s'adresse d'abord aux juristes, a pour objet de décrire certaines des unités phraséologiques verbales du terme responsabilité civile, notamment à partir d'éléments du cadre d'analyse fourni par la théorie Sens-Texte. Après une présentation des postulats de la recherche ainsi que des unités phraséologiques verbales, obtenues au moyen d'une recherche sur corpus, nous tirons sept conclusions qui toutes ou presque nous apparaissent comme des pistes de recherche dont la poursuite est susceptible de contribuer à l'avancement des connaissances en droit.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.004 | 0.006 |
| Science and technology studies | 0.006 | 0.016 |
| Scholarly communication | 0.013 | 0.011 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
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 source (direct Gemma or distilled Codex), 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".