Bibliographic record
Abstract
Les traditions dictionnairiques varient selon les langues, les pays et les dictionnaires. Dans cette étude, nous nous sommes intéressé à l’accueil que réservent les dictionnaires aux “mots d’ailleurs” ainsi qu’au traitement qu’ils accordent aux variantes standard régionales. D’une part, cette étude s’est effectuée à partir des préfaces des dictionnaires et de l’autre, à partir d’unités lexicales concrètes que nous cherchons dans ces dictionnaires. Pour l’étude comparative, nous avons choisi d’examiner les dictionnaires de langue anglaise (Concise Oxford Dictionary et Webster New Collegiate Dictionary), les dictionnaires de langue française(Petit Robert et Petit Larousse) et les dictionnaires bilingues(Harrap’s Shorter, Robert-Collins et Oxford-Hachette). Quant aux exemples concrets qui prennent la position adoptée par les dictionnaires, nous nous sommes limité à la présentation de quelques unités lexicales : trois nord-américanismes en anglais et cinq canadianismes en français. Au terme de cette étude, nous avons abouti à la conclusion que les dictionnaires unilingues et bilingues examinés accordent une importance croissante aux variantes standard régionales et appliquent un système de marquage en général rigoureux. En fait, le Dictionnaire canadien bilingue inclut des variantes standard régionales qu’il accompagne de marques topolectales. D’une part il indique les francismes, les briticismes, les nord-américanismes, d’autre part les usages limités au Canada, à savoir les canadianismes.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.005 | 0.004 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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; both teacher heads agree on what is shown here.
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".