L'analyse des langues amérindiennes : problèmes et hypothèses
Bibliographic record
Abstract
Dans la continuation des seminaires menes en commun les annees precedentes, nous tenterons de reexaminer le rapport entre les donnees de l’ethnographie et celles de la linguistique sur le terrain nord-americain. Il s’agira de depasser les apories inherentes a la position de Sapir qui proposait d’un cote un schema phylogenetique comme explication de la diversite linguistique du sous-continent et qui plaidait, d’un autre cote, pour une integration semantique forte entre langue et culture. Or, la carte des familles de langues et celle des aires culturelles ne correspondent pas. En guise d’introduction, nous esquisserons une breve epistemologie du champ qui inclura une discussion des repercussions qu’ont sur nos disciplines les travaux menes aujourd’hui par les tenants du courant cognitiviste. Michel de FORNEL est directeur d'etudes en Anthropologie et linguistique a l'Ecole des Hautes Etudes en Sciences Sociales/ Emmanuel DESVEAUX est directeur d'etudes a l'EHESS, directeur du projet pour la recherche et l'enseignement au Musee du Quai Branly et directeur de l'UMS 1834 destinee a produire des dispositifs multimedia d'accompagnement a la museographie. M. Desveaux a effectue de nombreuses etudes sur le terrain, en Cote d'Ivoire, dans le Grand Nord canadien et au Montana, chez les Crow, les Blackfeet et les Assiniboines.
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 | 0.004 | 0.011 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.003 | 0.007 |
| Science and technology studies | 0.002 | 0.008 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 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".