Le processus de formation et d’évolution des hagionymes. Exemples tirés de trois inventaires choronymiques dans l’Est du Québec
Bibliographic record
Abstract
Un survol rapide de la carte du Québec nous révèle la popularité de l'usage des noms de saints dans la dénomination des entités géographiques. Un relevé systématique des hagionymes a été effectué à partir des données préalablement recueillies lors d'inventaires choronymiques de trois portions du territoire québécois : le canton de Bagot au Saguenay, la basse-vallée de la rivière du Gouffre dans Charlevoix et une partie des comtés de Bellechasse et de Dorchester. Cette étude n'a pas la prétention d'expliquer tout le processus hagionymique ayant marqué la toponymie du Québec. Toutefois, une phénoménologie commune aux trois secteurs, différenciés à la fois dans l'espace et le temps, nous permet de tirer quelques conclusions. Ainsi, on remarque la relative pauvreté des noms de saints véritables par rapport à ceux provenant de premiers colons ou de personnages éminents. L'origine de la dénomination varie d'autre part suivant le type d'entité représentée, qu'elle soit administrative, cadastrale ou autre. Il existe deux processus de formation des hagionymes : l'un simple, c'est-à-dire où on ne retrouve que le nom du saint lui-même, l'autre complexe, c'est-à-dire où l'hagionyme s'accompagne d'un désignatif de localisation. L'hagionymie, par sa nature, peut donc apporter des éléments à la connaissance d'un aspect de la psychologie sociale du Québec.
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 | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.006 | 0.008 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.003 |
| 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".