Considérations sur la forme et le sens. <i>Pis</i> en français québécois. Une simple variante de <i>puis</i>? Un simple remplaçant de <i>et</i>?
Bibliographic record
Abstract
Plusieurs travaux ont été consacrés à ce jour à puis (Chevalier et Molho, 1986; Hansen, 1998; Reyle, 1998; Bras, Le Draoulec et Vieu, 2001). En revanche, à l'exception de quelques études ciblées (Laurendeau, 1982 et 1983; Laks, 1983), pis a généralement été tenu pour une variante dans la prononciation de puis et a rarement été examiné pour lui-même. L'objectif du présent article, consacré à pis dans son usage en français québécois, est double. Il s'agit: – de dégager les spécificités sémantiques du marqueur lorsqu'il est connecteur (propositionnel et textuel). Cela conduit à le situer par rapport à et et à proposer une hypothèse, basée sur l'opposition ‘connecteur associatif/connecteur dissociatif’, susceptible d'expliquer pourquoi les marqueurs en cause se trouvent en distribution complémentaire dans l'oral familier, bien qu'ils expriment tous deux un type de connexion neutre; – d'identifier les sens de pis lorsqu'il est marqueur discursif et de mettre en évidence les liens qui les unissent entre eux, de même que les liens qui les rattachent à l'emploi où le marqueur agit à titre de connecteur.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.008 | 0.007 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.015 | 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".