Dynamique et transmission linguistique au Sénégal au cours des 25 dernières années1
Bibliographic record
Abstract
Véhicule de connaissances traditionnelles, les langues autochtones au Sénégal subissent aujourd’hui l’effet combiné des nouvelles configurations familiales et des dynamiques migratoires. Dans l’administration publique et l’enseignement, le français s’est imposé. Partant des quatre derniers recensements généraux de population, cette étude présente l’évolution des caractéristiques démo-linguistiques de la population du Sénégal. L’accent est mis sur une analyse dynamique de la langue maternelle, les questions de transfert ou de substitution au profit d’une langue d’usage et la place du français dans l’univers linguistique national. Ces préoccupations rejoignent la question lancinante de l’introduction des langues africaines à l’école qui constitue encore le noeud gordien du système éducatif sénégalais. Comment évoluent les langues maternelles au Sénégal ? Dans quelles zones ou aires géographiques les enfants perdent-ils la pratique des langues familiales ? Répondre à toutes ces questions nous permettra de dresser l’architecture linguistique qui mettra en valeur, non seulement les langues locales, mais également les parlers nationaux qui faciliteront leur intégration dans le système éducatif.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.007 | 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".