Bibliographic record
Abstract
Malgré une dynamique attestée par de nombreux travaux dans des domaines très divers, la sociolinguistique (française) semble encore traîner le poids d’une certaine culpabilité et manquer d’une pleine légitimité dans le champ des sciences du langage, notamment à travers un positionnement fragile par rapport à « la » linguistique. Dans ce texte, nous nous penchons sur ces problèmes en envisageant d’une part les racines historiques et épistémologiques de ce sentiment diffus mais bien réel et parfois même inhibant, et en proposant d’autre part quelques pistes de réflexion pour tenter de modifier cette place marginale de la sociolinguistique. Or, ceci ne nous paraît possible qu’en acceptant de clairement assumer certains postulats fondamentaux relatifs à l’intervention, au(x) format(s) des méthodologies d’enquête et à leurs conséquences épistémologiques, à certains concepts, à la dimension de la sociolinguistique urbaine et aux questions plus générales de la nomination du champ. Par ailleurs, la « reconquête » de la description, c’est-à-dire un champ fondamental des sciences du langage abandonné aux tenants d’une linguistique plus formelle mais sans doute pas plus « scientifique », nous paraît à l’heure actuelle essentielle et figure selon nous comme la meilleure illustration de ce que pourrait être une « autre » façon de faire de la sociolinguistique. Nous espérons ainsi contribuer à un débat qui envisage le repositionnement de la sociolinguistique dans le champ scientifique en proposant, pour notre part, quelques pistes pour sortir de la « culpabilité ».
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 | 0.009 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.008 | 0.055 |
| Scholarly communication | 0.014 | 0.015 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.009 | 0.002 |
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".