Sortir des ornières de la démolinguistique classique : mieux comprendre l’évolution du français au Québec : Frédéric Lacroix, Pourquoi la loi 101 est un échec, Montréal, Boréal, 2020, 264 p.
Bibliographic record
Abstract
Cette revue critique de l’ouvrage Pourquoi la loi 101 est un échec de Frédéric Lacroix remet en question l’approche ethnicisante et idéologiquement réductrice qu’utilise l’auteur pour analyser les dynamiques linguistiques au Québec. Elle exhorte à mieux réfléchir aux enjeux de la situation actuelle et future de la langue française au Québec en les décrivant dans toute leur complexité et en tenant compte de leurs multiples facettes. Cette revue expose non seulement la fragilité des postulats épistémologiques, méthodologiques et conceptuels sur lesquels s’appuie l’auteur de l’ouvrage pour étayer sa démonstration du caractère catastrophique de la situation actuelle du français au Québec, mais remet également en question le cadre théorique de l’ouvrage, reposant sur le concept de surcomplétude institutionnelle. La note critique propose un regard alternatif qui met en lumière quelques-unes des dimensions et perspectives théoriques et méthodologiques dont ne tient pas compte l’auteur et qui sont pourtant fondamentales si l’on veut faire un examen plus complet des dynamiques et des pratiques qui contribuent à l’évolution de la situation linguistique au Québec.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.016 | 0.014 |
| Scholarly communication | 0.008 | 0.006 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.007 | 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".