Språklig mångfald och enhetssträvan – om svensk språkpolitik i tidsperspektiv
Bibliographic record
Abstract
La Suède, qui s'est ouverte plus que tout autre pays nordique à l'immigration après la Seconde Guerre mondiale, compte aujourd'hui plus d'un million de personnes d'origine étrangère. Ce multilinguisme et multiculturalisme de date récente tend à occulter le fait que par le passé, le royaume suédois a été moins homogène qu'on ne le prétend souvent. Une grande variété dialectale a été source de particularismes qui ont subsisté longtemps et n'ont pas totalement disparu. De plus, la présence de minorités historiques parlant des langues finno-ougriennes constitue un élément marquant de différenciation, qu'il s'agisse des autochtones du Grand Nord, les Sâmes, ou de la majorité fennophone de Finlande — qui fut la province orientale de la Suède du début du 14e siècle jusqu'en 1809. À quoi se sont ajoutées des vagues d'immigration successives qui, sans avoir l'ampleur de celles que le pays a connues dans la seconde moitié du 20e siècle, ont laissé des traces durables. Une étude diachronique de la politique linguistique en Suède permet de prendre la mesure des stratégies mises en œuvre par le pouvoir central pour construire une langue nationale capable de s'imposer au détriment des parlers régionaux et de lutter contre des langues concurrentes parfois envahissantes (à tour de rôle l'allemand, le français, l'anglo-américain, voire même, jusqu'au 18e siècle, le latin dans certains contextes). Diversité linguistique et aspirations à l'unité : tel est l'objet de cette communication qui se propose de retracer schématiquement l'évolution de la politique linguistique de la Suède. Langue et identité sont étroitement liées.Compte tenu du sujet traité, il m'a paru opportun d'oublier pour un temps ma langue maternelle et de m'exprimer en suédois. Recourir à un idiome étranger est une manière de bousculer quelque peu ses habitudes de pensée, car chaque langue a son génie propre. Dans le cas présent, ce choix est également motivé par le désir de saisir de l'intérieur, autant que faire se peut, ce qu'ont été les enjeux de plusieurs siècles d'histoire.
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 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.010 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.073 | 0.041 |
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".