Bibliographic record
Abstract
Dans cet article, nous nous intéressons à l’évolution sémantique des emprunts au français en anglais canadien à partir du XVIIe siècle. Notre base de données lexicales de canadianismes d’origine française, extraite de dictionnaires historiques ainsi que de travaux sur les gallicismes contemporains du Québec, a été vérifiée dans d’autres sources, tels un dictionnaire canadien récent et un corpus de l’anglais canadien. Notre méthodologie permet d’observer les emprunts au français et leurs évolutions d’un point de vue sémantique. Les traitements plus traditionnels des emprunts, en termes d’extension sémantique nulle, de restriction ou d’expansion du sens (Filipovic 1968), montrent rapidement leurs limites et échouent à offrir un traitement plus global du changement sémantique pour l’ensemble du lexique, dans la mesure où le lexique natif et les emprunts semblent suivre des trajectoires similaires en ce qui concerne leurs évolutions sémantiques respectives. Les mécanismes de spécification et d’élargissement du sens en contexte, opérant en pragmatique lexicale pour le lexique natif sont les mêmes pour ce qui concerne les emprunts, une fois que ces derniers ont été intégrés dans la langue réceptrice. Tout en accordant plus d’importance au contexte et en permettant un traitement lexical plus unifié, cette approche soulève quelques interrogations concernant le postulat de départ d’un concept encodé dans un mot. Par conséquent, nous proposons d’adopter une autre perspective, une approche basée sur l’usage, qui insiste sur le rôle central joué par le contexte et l’usage dans l’appréhension du changement sémantique, en particulier dans une perspective diachronique. Notre méthodologie est compatible avec ce type d’approche. En postulant l’existence d’exemplaires stockés dans le lexique mental accompagnés de toutes leurs propriétés, dont leurs sens ainsi que les inférences en contexte, nous supposons que le sens n’est pas nécessairement encodé linguistiquement, et donc fixe, mais qu’il peut être stocké et devenir conventionnel par l’usage. Cette approche permet également d’expliquer certains cas de métonymie ou de métaphore que nous avons rencontrés et qui peuvent parfois poser problème dans d’autres cadres théoriques.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.013 | 0.018 |
| Science and technology studies | 0.005 | 0.002 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".