Trajectoires d'appropriation du français de six femmes latino-américaines immigrées à Montréal : éléments de trajectoires et réaménagements identitaires
Bibliographic record
Abstract
Expert/Rapporteur : Jean-Claude Métraux, Chargé de cours, Privat-docent REMERCIEMENTS Je tiens d'abord à remercier tout particulièrement les six participantes s'étant portées volontaires pour cette étude.Leur coopération et surtout leur ouverture à partager leur expérience face à ce sujet a permis de fournir un matériel très riche sans lequel rien n'aurait pu être accompli.Je remercie également ma directrice de mémoire, Madame Nathalie Muller-Mirza qui a gentiment accepté de me soutenir et de me suivre tout au long de ce travail malgré la distance entre la Suisse et le Canada.Je remercie mes parents pour leur soutien moral lors des moments difficiles, et particulièrement ma mère pour m'avoir aidée à réviser mon mémoire.Je tiens à remercier aussi tout particulièrement mon amie Marie-Laure pour son incroyable soutien, pour son aide pour la révision de ce travail et pour ses commentaires si constructifs.Je remercie finalement toutes les autres personnes, membres de la famille et amis qui m'ont soutenue tout au long de ce mémoire.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 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; 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".