Analyse comparative de<i>ça fait que, alors, donc</i>et<i>so</i>à Montréal et à Welland: mutations sociales, convergences, divergences en français laurentien
Bibliographic record
Abstract
RÉSUMÉ La présente étude compare l’évolution récente du français parlé à Montréal et celle du français parlé à Welland (Ontario) où réside une minorité francophone. Le phénomène variationnel retenu est l'emploi des connecteurs (ça) fait (que) , so , alors et donc . Les corpus utilisés ont été recueillis à l'aide d'entretiens enregistrés de 2011 à 2015 parmi des échantillons de locuteurs stratifiés selon l’âge, la classe sociale et le sexe. L'analyse des données révèle des différences marquées dans l’évolution de ces connecteurs dans les deux communautés. Par exemple, à Montréal on observe une forte montée de (ça) fait (que) et l'obsolescence d' alors et à Welland, une forte montée de so (forme absente à Montréal), le net déclin de (ça) fait (que) et le maintien relatif d' alors et donc . L’étude de la configuration sociale de la variation montre plusieurs points de convergence entre les deux variétés de français laurentien (ex. association de (ça) fait (que) avec les locuteurs de la CSE basse et d' alors avec ceux de la CSE haute). Toutefois, l'analyse de l'effet combiné des facteurs âge, CSE, sexe et bilinguisme sur la variation met au jour des différences importantes entre les deux parlers et l’émergence de normes endogènes divergentes.
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 | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.004 | 0.009 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.011 | 0.000 |
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".