Pratiques juridiques et idéologies langagières dans un tribunal non officiellement multilingue
Bibliographic record
Abstract
Au Maroc, les tribunaux demeurent le Saint Graal des militants amazighs qui souhaitent la légitimation institutionnelle du tamazight (langue berbère ou langue amazighe) et cherchent à mettre fin aux discriminations linguistiques et à la domination arabe dans les administrations. Les pratiques juridiques en langue vernaculaire tamazight ne sont régies par aucune politique étatique officielle, et c’est plutôt la langue arabe qui domine les affaires judiciaires. Pourtant, comme je le soutiens dans le présent article, l’ « État » emploie des individus, en particulier des juges et des officiers d’état civil, dont certains utilisent des variétés régionales de tamazight dans le cadre de leur travail, notamment pour enregistrer les mariages dans le cadre de tribunaux coutumiers ambulants, procédures qui ont fait l’objet de mes enquêtes sur le terrain et d’entrevues. Les pratiques et les idéologies langagières des juges méritent l’attention de quiconque souhaite étudier l’économie de la langue dans la politique marocaine, notamment en raison du statut élevé de ces représentants de l’État et du respect dont ils sont auréolés. Le personnel juridique obéit aux nécessités politiques en fonction de contraintes et de possibilités locales – notamment linguistiques – et, ce faisant, contribue à modeler l’ensemble des choix politiques en matière de langue au Maroc.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.013 | 0.008 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.008 | 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".