Bibliographic record
Abstract
Cet article analyse le fonctionnement de presque en incidence nominale, envisageant son rôle dans la phrase et en évaluant son interaction avec les catégories lexicales et leurs contours. Deux analyses dominent, l’une qui fait de presque un outil de l’approximation, une « enclosure » — l’« hedge » de Lakoff ; l’autre qui fait entrer dans la logique argumentative et y voit un « opérateur scalaire ». À partir d’un corpus extrait de la base textuelle Frantext qui regroupe 1 940 textes catégorisés entre 1800 et 2000, ont été exploitées les différentes combinaisons de « presque + nom », soit les structures suivantes : – déterminant + presque + nom, – presque + déterminant + nom, – presque + article zéro + nom. L’analyse des occurrences de presque dans ces configurations syntagmatiques prend pour cadres plusieurs modèles théoriques pour en évaluer le rendement. La sémantique du prototype qui peut être corrélée à l’interprétation de presque comme outil de l’approximation, la logique argumentative et la théorie des isotopies. L’article répond à la double question suivante : l’instruction procédurale de presque consiste-t-elle en une régulation, une négociation discursive ? L’adverbe se sert-il plutôt de la continuité entre les catégories, inscrite dans la langue même, pour jouer le rôle d’un passeur catégoriel ? L’étude des structures avec presque conduit à une réflexion plus générale sur l’organisation du lexique qui se constitue par contiguïté et proximité permettant de postuler une configuration métonymique générale du lexique nominal.
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 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 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".