Quelques pistes pour aborder la notion d’engagement dans les domaines de l’économie, de la finance et dans le monde de l’entreprise du point de vue de la recherche en anglais de spécialité
Bibliographic record
Abstract
À travers une approche transversale de la notion omniprésente d’engagement en économie, en finance et dans le monde de l’entreprise, cette étude envisage divers chemins qui s’offrent au chercheur en anglais de spécialité pour appréhender les multiples facettes de la question. Dans un premier temps, les aspects linguistiques (lexicaux, puis terminologiques et néologiques) sont abordés ; l’analyse est ensuite élargie aux aspects discursifs et narratifs et de nombreux angles d’approche (stylistique, rhétorique, pragmatique, etc.) sont tour à tour évoqués, y compris des emprunts à la démarche ethnographique et à l’approche civilisationnelle. Enfin, à travers une analyse des choix linguistiques et discursifs des acteurs des milieux spécialisés, c’est aussi sur la voie d’une meilleure compréhension des communautés et milieux spécialisés et de leur culture que le linguiste est invité à s’engager.
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 | 0.007 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.007 | 0.033 |
| Scholarly communication | 0.016 | 0.014 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.004 | 0.006 |
| Insufficient payload (model declined to judge) | 0.010 | 0.002 |
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".