À la rencontre des voix francophones dans la ville de Québec : les attitudes des Québécois à l’égard de diverses variétés de français
Bibliographic record
Abstract
Le Québec mise actuellement sur un accroissement des communautés immigrantes francophones pour faire face au vieillissement de la population et pour combler une rareté de main-d’oeuvre. Ainsi, des villes traditionnellement homogènes, comme la ville de Québec, voient leur paysage ethnoculturel se diversifier considérablement et rapidement, ce qui donne lieu à des débats sur la diversité culturelle grandissante et la place de l’immigration. Dans ce contexte, il importe de documenter les attitudes, positives ou négatives, de ses habitants à l’égard des variétés de français parlées par les nouveaux arrivants, marquées par un accent francophone étranger. Pour ce faire, nous utilisons une méthodologie inspirée du test du locuteur masqué, combinée avec un questionnaire, afin de faire évaluer la personnalité, les compétences, la compréhensibilité, la correction de la prononciation des locuteurs francophones ainsi que la volonté de nos participants d’établir des liens avec ces derniers dans un contexte amical, professionnel et public. Les résultats montrent que les attitudes sont généralement positives, mais qu’elles changent en fonction de la variété, et que les voix les mieux évaluées sont celles des Québécois.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.003 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".