Analyses de l'interaction et linguistique : état actuel des recherches en français
Bibliographic record
Abstract
Le numéro propose un état actuel des recherches dans le champ de l'interaction en français, à travers un échantillon des types de données, de phénomènes, de questions et de méthodologies utilisés et une variété d'approches. Les articles sont représentatifs d'options différentes sur plusieurs aspects méthodologiques : certains s'attachent à des corpus très spécifiques, représentant des champs d'activité que les analyses contribuent aussi à définir quand d'autres présentent des phénomènes qui sont conçus comme non liés à des contextes sociaux donnés. Sommaire du numéro Véronique Traverso, Laboratoire ICAR, Lyon, Présentation du numéro. Analyses interactionnelles : repères, questions saillantes et évolution. Roxane Bertrand & Cristel Portes, Aix-Marseille Université, Laboratoire Parole et Langage, Pour une approche phonologique de la prosodie dans l'interaction. Anne Grobet, ELCF, Université de Genève, Dynamique de la gestion de l'information dans les interactions en classe: complétude et saturation. Véronique Traverso, Laboratoire ICAR, Lyon, Longues séquences dans l'interaction : ordre de l'activité, cadres participatifs et temporalités. Renata Galatolo (Université de Bologne), Luca Greco (Université de Paris III), L'identité dans l'interaction : pratiques de catégorisation et accountability en milieu homoparental. Marty Laforest, Université du Québec à Trois-Rivières, De l'intérêt d'articuler les dimensions discursive et interactionnelle de la conversation. Le cas d'une profession en voie de légitimation. Simona Pekarek Doehler & Ioana-Maria Stoenica, Université de Neuchâtel, Émergence, temporalité et grammaire-dans-l'interaction : disloquée à gauche et nominativus pendens en français contemporain. Lorenza Mondada, Université de Bâle, Organisation multimodale de la parole-en-interaction : Pratiques incarnées d'introduction des référents.
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 | 0.017 | 0.031 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.010 | 0.011 |
| Science and technology studies | 0.005 | 0.008 |
| Scholarly communication | 0.013 | 0.013 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.013 | 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".