Bibliographic record
Abstract
Les articles composant le numéro 17 de Géolinguistique présentent une variété importante d’approches. Les premiers articles entrent plutôt dans une thématique traditionnelle, avec tout d’abord une réflexion sur le mot sel, dont les acceptions sont tirées de la carte linguistique originale de l’ALF puis de sa version cartographique plus moderne, le tout présenté par un chercheur japonais. Le deuxième article est une représentation à travers un atlas sonore des langues régionales de France, projet déjà amorcé il y a 20 ans à Grenoble pour la partie alpine. Cette fois la vision est nationale et donc beaucoup plus large. S’ensuit une recherche basée sur la redécouverte et l’analyse dialectométrique des enquêtes réalisées il y a plus d’un siècle par le linguiste Bourciez au Pays Basque. Puis et pour la première fois dans notre revue, une participation très attendue sur les langues sifflées dans le monde, qui réunit plusieurs approches : de l’enquête de terrain à l’enregistrement et l’analyse de ces langues et les techniques adoptées qui varient d’une culture à l’autre. Enfin les deux derniers articles font référence à la transmission de la langue en domaine occitan pour le premier et au sein d’une communauté portugaise émigrée au Canada pour le second.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.009 | 0.007 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.560 | 0.431 |
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".