Classe et masse dans le discours syndical’: formes de surface, problème de fond
Bibliographic record
Abstract
Saisir les mots dans leurs rapports statistiques avec les autres mots d'un texte afin de comparer les systèmes de rapports qui caractérisent leur emploi au sein de plusieurs textes permet d'entrer dans le sens par effraction, car les mots se lisent inconsciemment dans le réseau de relations qui les articule. Un exemple de ce type d'étude est donné avec les termes masse et classe pris dans les résolutions syndicales de différentes confédérations réunies en congrès. On s'aperçoit que des spécificités à"emploi caractérisent l'un et l'autre et surtout l'un par rapport à l'autre. Absents du discours de force ouvrière et de la CFTC, masse et classe au singulier illustrent dans cet ordre une époque de la CFDT mais, dans l'ordre inverse, l'orthodoxie permanente de la CGT. Derrière la présence et l'agencement de ces formes apparaissent des options idéologiques et des intentions politiques. Est-ce le sen ? Oui, si avant de voir dans les mots des êtres de raison le lexicologue cherche dans leur emploi leurs raisons d'être.
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 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.005 | 0.018 |
| Scholarly communication | 0.011 | 0.009 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 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".