Bibliographic record
Abstract
Pour tenter de répondre à deux questions centrales (la créativité de la langue, et son acquisition), la grammaire générative a proposé des solutions complexes (Théorie Standard, Théorie Standard Elargie) qu’elle a ensuite en grande partie abandonnées pour aller vers une généralisation de plus en plus grande, considérant que les langues étaient beaucoup plus proches les unes des autres qu’il n’y paraissait (Principes et Paramètres, Programme minimaliste). Au cours de cette évolution, les notions d’intuition du locuteur, ou de compétence, ont été abandonnées au profit de l’hypothèse de l’innéisme. Dans le même temps on est passé de l’affirmation de l’existence de structures profondes et superficielles dans une langue à l’hypothèse que les différentes langues ne seraient que la manifestation en surface de structures communes (de principes). Dans cette évolution en slalom, de palinodie en palinodie, la seule constante est une conception monolithique de la langue, qui rend la théorie, sous ses différentes formes, sourde à la variation et à l’aspect socialement construit de la langue. Mais en même temps, et c’est peut-être la leçon fondamentale de ce survol, nous voyons que le corpus, le mode de collecte des données, n’est jamais innocent et nous en dit autant que le traitement des données sur une science.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.011 |
| Scholarly communication | 0.007 | 0.007 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.004 | 0.007 |
| Insufficient payload (model declined to judge) | 0.008 | 0.003 |
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".