Les radios communautaires : instruments de francisation
Bibliographic record
Abstract
L/epuis les années 1960, les différentes communautés francophones au Canada ont connu des transformations sur les plans social, politique et économique.Au Nouveau-Brunswick, les francophones se sont progressivement dotés de structures permettant de revitaliser ou de solidifier le caractère francophone des différentes régions.L'une de ces structures, celle des radios communautaires, semble particulièrement bien s'acquitter du rôle de promoteur de la langue française, même si elle prend quelque distance à l'égard des préceptes classiques du «bon usage».Cet article vise à montrer comment les politiques linguistiques de deux radios communautaires francophones du Nouveau-Brunswick arrivent à refléter la réalité linguistique des régions qu'elles desservent, l'une étant située dans le Nord-Est, région plutôt monolingue, l'autre dans le Sud-Est, région bilingue.Dans le Nord-Est, Radio Péninsule (CKRO) dessert une population francophone homogène qui représente 99 % de la population (Beaudin, p. 80).D'après un document préparé par l'ARCANB (Association des radios communautaires acadiennes du Nouveau-Brunswick), la radio, mise en ondes en 1988, rejoint 69 % de la population et se classe en première position des radios écoutées à tous les moments de la journée pour toutes les catégories d'âge et de sexe.Dans le Sud-Est, Radio Beauséjour (CJSE), en place depuis 1994, dessert une population bilingue composée, dans le comté de Westmorland, de 40,9 % de francophones et, dans le comté de Kent, de 76,1 % de francophones (Statistique Canada, recensement de 1996), et elle rejoint 61 % de son auditoire potentiel selon un sondage réalisé en 1999 par un cabinet d'experts indépendants.En 1999, elle est la première station écoutée sur une base régulière par 45,7 % des francophones de la région.Les deux populations en question vivent des expériences langagières différentes.Déjà, sur le plan des habitudes linguistiques, les péninsulaires n'ont pas à s'interroger au quotidien sur la langue à privilégier dans les affaires courantes; la plupart sinon toutes leurs activités se passent en français.Dans le 123
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 | 0.006 | 0.025 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.005 | 0.004 |
| Science and technology studies | 0.006 | 0.015 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 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".