Entre mode et variation : une étude variationniste de l’emploi du subjonctif dans un parler du français acadien
Bibliographic record
Abstract
Résumé Cet article s’intéresse à l’emploi du subjonctif en français acadien du nord-est du Nouveau-Brunswick dans les Provinces Maritimes du Canada. Notre point de départ consiste à faire état du site de conflit qui oppose les variétés du français acadien et du français laurentien en ce qui concerne les patrons régissant sa sélection. Il a déjà été démontré que les contraintes sémantiques exercent une influence prépondérante en français acadien alors que du côté laurentien, l’effet de ces contraintes est plutôt dépassé par celui venant de contraintes lexicales et morphosyntaxiques. Nos résultats démontrent que le parler acadien à l’étude affiche des parallèles structuraux avec ce qui est rapporté en français laurentien : En plus d’être contraint à un taux variable de sélection, la productivité du subjonctif est limitée à quelques contextes spécifiques et elle n’est pas tributaire de l’effet exercé par des contraintes sémantiques. Nous suggérons qu’il n’y a pas une seule norme vernaculaire partagée par tous les parlers acadiens quant au conditionnement du subjonctif et nous nous interrogeons sur l’impact des contacts dialectaux sur la structure linguistique du français de cette région.
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 | 0.003 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 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".