Rapporter directement en langue des signes québécoise (LSQ) chez les locuteurs sourds natifs et non natifs
Bibliographic record
Abstract
Comme le discours direct en langues orales, les structures de representation corporelle (RC) permettent aux locuteurs de rapporter les propos d’autrui ainsi que leurs actions dans les langues des signes. L’apprentissage de ces structures est une competence de haut niveau selon les manuels d’enseignement des langues des signes (LS) comme langue seconde. Rentelis (2009) remarque que les locuteurs sourds natifs, dont la langue des signes britannique (BSL) est la langue maternelle, utilisent ces structures moins souvent que les locuteurs sourds non natifs qui, etant nes dans une famille entendante, ont tardivement appris la BSL. Les donnees comparatives de Rentelis (2009) ne prennent pas en compte le temps de production des RC, et leurs formes. Avec l’objectif de mieux comprendre le lien entre l’utilisation des RC et, d’une part, l’âge d’acquisition de la langue des signes, et, d’autre part, le lien de modalite entre la L1 et la L2 du locuteur, nous avons mene une analyse comparative des RC produites en langue des signes quebecoise (LSQ) par trois types de locuteurs sourds : des natifs de la LSQ, des non natifs avec la langue des signes americaine (ASL) comme L1, et d’autres qui sont aussi non natif mais avec le francais comme L1. Contrairement aux conclusions de Rentelis, les resultats montrent que les locuteurs sourds natifs produisent davantage de structure de RC que ceux dont la LSQ est la L2.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.015 | 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".