Bibliographic record
Abstract
Cet article expose la création d’une base de données de régimes généralisés du français nommée CARNAVAL. La notion de régime lexical (aussi connu sous le nom de schéma valenciel, structure argumentale, cadre de sous-catégorisation, structure prédicats-arguments, etc.) utilisée ici se situe du point de vue de la théorie linguistique Sens-Texte (TST). Cette théorie a une approche de la langue qui accorde une place primordiale au lexique ainsi qu’à divers types de dépendances. Pour une présentation générale de cette théorie, voir par exemple: Mel’čuk (1997), Milićević (2006) et Polguère (1998). Nous jugeons que cette approche, et notamment sa conception des actants ainsi que sa notion de relation syntaxique de surface permet une description rigoureuse du comportement syntaxique typique à chaque unité lexicale. Ceci permet d’inscrire de façon concise et complète, à même le dictionnaire, la co-occurrence d’une lexie avec ses actants. Nous croyons que la généralisation de ce type d’information peut notamment avoir des applications en traitement automatique de la langue et en didactique. C’est dans cette optique que nous entamons la construction de la base CARNAVAL. La Section 1 de notre exposé sert d’introduction et dresse un portrait rapide de la façon dont il est possible de traiter du comportement syntaxique des unités lexicales dans une perspective de description lexicographique. La Section 2 est consacrée à la présentation du cadre théorique de cette recherche ainsi que des objectifs qu’elle vise. La Section 3 expose la démarche qui nous a permis d’identifier un certain nombre de relations syntaxiques de surface régies du français. La description de ces dépendances est ensuite fournie. La Section 4 présente d’abord de façon générale la base CARNAVAL. Par la suite, afin de permettre au lecteur de pouvoir bien percevoir la modélisation des régimes que nous avons conçue, un extrait de la base en construction est également donné. Finalement, la Section 5 sert de conclusion.
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 | 0.005 |
| 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 | 0.002 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 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".