La lexicographie et l’analyse de corpus : nouvelles perspectives
Bibliographic record
Abstract
L’objectif du présent article est de montrer comment les descriptions lexicographiques traditionnelles peuvent être enrichies à partir des nouvelles techniques d’analyse et d’exploitation de corpus. Nous étudions des verbes dénotant la notion de hausse, en anglais, en français et en néerlandais, et à cet effet, nous procédons à des analyses de corpus parallèles et de corpus monolingues ciblés. Les corpus parallèles fournissent des indications sur la fréquence d’emploi et sur l’équivalence des traductions. Ces données quantitatives sont soumises à des analyses MDS (MultiDimensional Scaling ou positionnement multidimensionnel) afin d’établir les profils de traduction des verbes. Les corpus monolingues ciblés permettent d’affiner ces informations et de relever les collocatifs pertinents, afin de montrer les propriétés combinatoires des verbes. Les résultats des différentes analyses de corpus, en termes de profils de traduction et de profils combinatoires, contiennent des indications précieuses pour enrichir les descriptions lexicographiques traditionnelles des dictionnaires de traduction. La méthodologie et les résultats des analyses de corpus, ainsi que les défis pour la lexicographie, seront exposés.
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 | 0.018 | 0.032 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.012 | 0.015 |
| Science and technology studies | 0.003 | 0.015 |
| Scholarly communication | 0.021 | 0.024 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.003 | 0.004 |
| 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".