A la recherche des langues perdues.
Bibliographic record
Abstract
La reputation de l’INALCO s’est construite sur l’eventail monumental de langues que l’institut propose. Des 93 langues enseignees, seules quelques-unes (japonais, chinois, coreen, arabe, russe) prennent le devant de la scene de par le nombre de leurs etudiants et la multitude d’evenements qui leur sont consacres. Qu’en est-il donc du peul, du wolof, du telougou ou du macedonien ? Ce petit documentaire tente de mettre en lumiere ces langues rares a petits effectifs. La preservation de ces langues est un enjeu important : l’INALCO serait le dernier etablissement au monde a proposer l’enseignement du maya ; une enseignante d’inuktitut de l’INALCO se revele etre une aide precieuse pour des travailleurs canadiens, a qui elle enseigne a distance afin de leur permettre de dialoguer avec les populations Inuit locales. « A la recherche des langues perdues » propose donc de decouvrir ces langues rares en partant a la rencontre des enseignants et des etudiants. Alors que les derniers revelent leurs raisons pour etudier ces langues, leurs motivations, et leur quotidien ; les enseignants egalement reflechissent a la place de la langue qu'ils enseignent ainsi que les enjeux qu'il y a a etudier des langues etrangeres, parfois aussi petites que les leurs.
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 | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.006 |
| Scholarly communication | 0.008 | 0.006 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.028 | 0.006 |
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".