Les composés populaires de la langue catalane : étude diachronique de la néologie
Bibliographic record
Abstract
La finalité du présent article est de montrer l’intérêt de l’analyse de la néologie lexicale dans le cadre de la description de la langue. Le travail dont nous faisons état fait partie d’un vaste projet de recherche ayant pour objectif la description comparée des néologismes et des ressources de néologie utilisées dans les diverses modalités de la langue catalane. Ainsi, nous avons axé la recherche sur la néologie utilisée dans les médias et formée par composition populaire, qui est l’un des mécanismes permettant aux locuteurs catalans de former des mots nouveaux au moyen de ressources qui leur sont propres. Nous avons analysé les néologismes de langue catalane formés par composition et relevés dans un corpus diachronique de textes de presse couvrant une période de quinze ans. L’étude met en évidence le passage d’une productivité de 8 % à 2 % pour la composition populaire. Elle révèle également que la structure de la plupart des néologismes par composition est de type NN, et que la représentativité d’autres structures productives dans le passé se révèle être nulle ou peu importante dans le corpus de néologismes étudié.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".