Bibliographic record
Abstract
Le présent article offre une description synthétique des évaluatifs en français. On commence par caractériser les évaluatifs ou expressions de valeur. Puisque les évaluatifs sont bipolaires et peuvent présenter une gradation dans leur évaluation, il est naturel de vérifier si leur répartition n’est pas identique à celle des antonymes de degré. En fait, elle en est indépendante dans une large mesure. La morphologie dérivationnelle fournit des corrélations plus fortes avec le marquage axiologique. D’abord, il n’existe pas de suffixe axiologiquement positif en français. Ensuite, les suffixes péjoratifs n’opèrent pas tous de la même façon : en gros, la valeur négative peut être introduite par le suffixe ou, au contraire, être héritée du radical. Pour ce qui est des préfixes, leur impact axiologique n’est pas déterminé entièrement par la négation qu’ils expriment. Il y a d’autres marqueurs de l’axiologie que les morphèmes : par exemple certaines constructions, comme la célèbre N de N . Au niveau lexical aussi, le jugement de valeur peut être présupposé ou impliqué par l’usage de certains mots. En axiologie, comme dans d’autres domaines de la linguistique, se pose le problème de la projection des valeurs élémentaires. Nous abordons ce problème à partir de quelques exemples. Enfin, nous reprenons la question de l’ironie, phénomème dont nous avions dû faire abstraction pour fonder nos intuitions axiologiques, et nous montrons que la valeur entre dans la définition même de l’énoncé ironique.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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 teacher head, 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".