La présence des avis de recommandation et de normalisation de la Commission de terminologie de l'Office de la langue française dans un corpus de langue générale et spécialisée
Bibliographic record
Abstract
Le présent mémoire vise à observer la présence et la fréquence, tant en langue générale qu'en langue spécialisée, des avis de recommandation et de normalisation émis par l'Office de la langue française (OLF) dans la Banque de données textuelles de Sherbrooke (BDTS). Les termes à l'étude sont consignés dans le Répertoire des avis terminologiques et linguistiques publié en 1998 par l'OLF et ils émanent essentiellement des travaux des huit commissions de terminologie (affaires sociales, éducation, justice, produits de la pêche, santé, sécurité du revenu, toponymie et transports). La BDTS est un corpus informatisé de textes québécois contenant plus de 20 millions d'occurrences réparties dans cinq types de discours : spécialisé, journalistique, littéraire, didactique et oral. Dans un premier temps, nous observons la fréquence absolue des termes officialisés dans la BDTS, la dispersion de leurs occurrences par type de discours et leur fréquence par commission de terminologie. Il ressort que 52% des avis sont présents dans notre corpus ; les occurrences de ces avis apparaissent en plus grande partie dans les textes spécialisés ; ce sont les avis de la Commission de toponymie qui sont le plus souvent attestés dans la BDTS. En outre, il ne semble pas y avoir de corrélation entre la fréquence des avis et le fait qu'ils aient fait l'objet de recommandation ou de normalisation. Dans un deuxième temps, nous comparons la fréquence relative des termes officialisés avec celle des termes en concurrence avec eux : synonymes, concurrents dont l'usage n'est pas critiqué et concurrents dont l'usage est critiqué. Il ressort que 59% des avis supplantent leurs synonymes, 54% des avis supplantent leurs concurrents non critiqués et 63% des avis supplantent leurs concurrents critiqués.
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 | 0.009 | 0.042 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.008 | 0.013 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 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".