Ce cuisinomane, il est fou, dis !? – Opinions sur un néologisme et anticipation de son implantation dans l’usage
Bibliographic record
Abstract
L’innovation et les nouvelles tendances que connait le milieu culinaire donnent naissance à de nouveaux concepts, comme c’est le cas de foodie, en anglais. Au Québec, où la Charte de la langue française a fait du français la seule langue officielle de la province, l’Office québécois de la langue française a récemment proposé « cuisinomane » pour remplacer ce terme étranger. La présente étude, qui contribue à une meilleure compréhension des facteurs qui favorisent ou non l’implantation des termes dans l’usage linguistique, relève sur Twitter les opinions initiales des utilisateurs du réseau social au sujet du terme « cuisinomane ». Les résultats révèlent que les discours sur les termes auraient lieu sur une courte période après leur publication et comportent des indices qui éclairent sur les raisons de leur acceptation ou de leur rejet. En outre, les sentiments négatifs envers « cuisinomane » l’emportent sur les positifs, mais les raisons de ces sentiments diffèrent selon la langue dans laquelle les locuteurs s’expriment. Finalement, les sentiments positifs sont généralement associés à un désir de voir foodie remplacé par un autre terme.
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 | 0.005 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.006 | 0.012 |
| Scholarly communication | 0.008 | 0.008 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.007 | 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".