Bibliographic record
Abstract
Cet article a pour objectif d’explorer les attitudes de 157 locuteurs de français L1 âgés de 20 à 60 ans envers l’usage de la négation par trois locutrices de français L2. Selon les grammaires prescriptives, l’expression de la négation exige la présence du “ne” préverbal et d’un forclusif. L’omission de “ne”, pourtant fréquente à l’oral, n’est que rarement enseignée sous prétexte que les locuteurs L1 désapprouvent l’usage des registres non formels par les locuteurs L2. Adoptant la méthodologie des faux-couples, je teste cette allégation. L’omission ou la rétention de ne par les locutrices L2 influencent-elles les jugements sociaux des 157 témoins ? Leurs jugements varient-ils en fonction de leur âge, genre ou profession ? Les témoins estiment deux des locutrices L2 plus polies et plus distinguées quand elles retiennent le ne; les jugements sur la troisième locutrice ne suivent pas cette tendance. Il apparaît aussi que l’omission ou la rétention du ne influence l’évaluation de l’aptitude à diriger des locutrices. Ces résultats invalident l’hypothèse selon laquelle les locuteurs L1 voudraient que les locuteurs L2 privilégient la norme prescriptive indépendamment de tout contexte. En conclusion, je présente quelques applications pédagogiques (découverte des significations sociales des variantes stylistiques et développement de la compétence culturelle critique).
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".