Le verbe aspectuel cesser et la contrainte stative : cesser obéit-il à la règle ou la transgresse-t-il? / The aspectual verb cesser and the stative constraint: Does cesser conform to the rule or deviate from it?
Bibliographic record
Abstract
Résumé Cet article porte sur cesser qui, en contraste avec ses quasi-synonymes finir, achever et arrêter, semble échapper à la contrainte stative qui est généralement observée avec les verbes aspectuels. En fait, cesser permet assez facilement des infinitifs qui dénotent des états (Il a cessé d’être membre du syndicat), contrairement aux autres verbes aspectuels terminatifs (??Il a fini/achevé/arrêté d’être membre du syndicat). Je montre que les cas où ce prédicat ne semble pas respecter les contraintes générales imposées par les verbes aspectuels ne sont qu'apparemment des exceptions. L'article propose que la combinaison de certains états avec cesser crée un effet qui s'apparente à la sérialisation, une stratégie discutée dans certaines recherches, qui rend acceptable l'emploi de situations statives avec les verbes aspectuels. L'analyse s'inspire donc des prémisses des travaux de Bouchard (en particulier 1995, 2002), selon lesquelles l'explication des faits de langue doit demeurer simple et ne doit pas avoir recours à des mécanismes complexes qui sont autrement sans fondements.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.005 |
| Scholarly communication | 0.005 | 0.007 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.010 | 0.002 |
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".