La représentation corporelle dans le discours signé
Bibliographic record
Abstract
Dans cet article, nous montrons que l’utilisation de la représentation corporelle est influencée par des facteurs externes et notamment des facteurs discursifs, comme le type de discours et l’intention pragmatique du locuteur. Cette démonstration prend source dans l’analyse de 18 discours narratifs et 18 discours descriptifs, produits en langue de signes québécoise (LSQ) par trois groupes de signeurs sourds : des signeurs natifs de la langue des signes québécoise (LSQ-L1), des signeurs non natifs de la LSQ ayant la langue des signes américaine comme L1 (LSQ-L2), et des signeurs natifs de la langue des signes américaine (ASL-L1). Nous décrivons l’utilisation de la représentation corporelle dans le discours LSQ, en regard de trois caractéristiques propres à ce phénomène (forme de la représentation corporelle, type de marqueurs, fonction discursive), et de facteurs de variation propres au contexte (types de discours, langue de production et langue du signeur). Les résultats suggèrent que la variable langue de production n’a pas d’incidence sur l’utilisation des structures de représentation corporelle (forme et type de marqueur) et que la variation dans la présence de structures de représentation corporelle dans le discours, est plutôt explicable par la motivation pragmatique. En effet, une analyse croisée des variables fonction discursive et type de discours montre que la représentation corporelle est davantage utilisée pour l’adhésion dans les discours narratifs et pour la distanciation dans les discours descriptifs.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.006 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 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".