Est-ce canadien ou non ? Les difficultés des lexicographes canadiens
Bibliographic record
Abstract
Notre article porte sur le traitement d’expressions utilisées dans deux communautés linguistiques francophones (le Canada et la France). La politique éditoriale du Dictionnaire bilingue canadien est d’indiquer à l’utilisateur les usages particuliers au Canada. Mais les expressions figées et les collocations se distinguent souvent de façon subtile d’une communauté à l’autre. Ainsi, on remarquera une différence morphologique et syntaxique dans les paires telles que tirer les cartes/tirer aux cartes, mettre les pieds dans le plat/se mettre les pieds dans les plats et faire le beau/faire la belle. De plus, il existe des collocations et des expressions qui, bien qu’identiques sur le plan formel, ne le sont pas dans leurs usages, comme par exemple avoir l’air fin et passer au travers. Ces expressions nous intéressent tout particulièrement, mais distinguer leurs usages propres au Canada n’est pas aisé pour les lexicographes canadiens. En effet, ces subtilités ne se décèlent souvent qu’en contexte, c’est-à-dire après l’analyse de corpus particuliers à chaque communauté. Nous montrons quelles sont les étapes obligatoires de notre démarche avant d’arriver à distinguer les usages propres et/ou communs à chaque communauté et de les indiquer à l’utilisateur.
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 | 0.002 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.003 | 0.007 |
| Science and technology studies | 0.005 | 0.006 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 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".