Dialectologie et standardisation linguistique – Centres et marges économiques et culturels en Basse-Bretagne
Bibliographic record
Abstract
L’étude des variations spatiales de la langue bretonne révèle le rôle très important des centres économiques et des voies de communication et permet de mettre en valeur d’une façon originale leur évolution au fil des siècles. L’approche géolinguistique permet de voir les mots courir sur les routes ou s’arrêter aux montagnes, et de mettre en lumière des zones d’entrée de nouveautés linguistiques et des zones d’archaïsmes qui donnent l’impression de « résister » à ces poussées. Par ailleurs, les choix en matière de standardisation linguistique montrent qu’ils n’ont pas toujours été faits en fonction de ces pôles économiques et qu’il n’a pas toujours été tenu compte des variations dialectales. D’autres critères ont joué un rôle important dans ce cas. Les marges en matière de standard linguistique sont bien différentes et reposent davantage sur des pôles culturels, sur l’influence de la littérature — qui ne s’est pas développée autour d’écoles en Basse-Bretagne, mais plutôt autour de groupes sociaux et d’individus —, et de perceptions sociolinguistiques. La confrontation de la dialectologie et de la sociolinguistique permettra de voir ce qu’est une marge, comment les marges se créent, selon quels processus elles se maintiennent ou non, et montrera qu’un territoire peut constituer une marge à un moment donné et changer de statut, qu’il peut former une marge dans un domaine et être un centre dans un autre.
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 | 0.004 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.005 |
| Science and technology studies | 0.002 | 0.004 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".