Les constructions participiales détachées pour exprimer la causalité
Bibliographic record
Abstract
L’article interroge le rôle des constructions détachées participiales (CDpart) dans l’expression de la causalité. Dans une étude s’étant intéressée au rôle textuel des CDpart en français, il a été observé que les CDpart contribuent à la cohérence textuelle à trois niveaux d’arrimage définis par Gagnon (2008, 2015) : 1) les CDpart contribuent à la cohérence sur le plan référentiel puisque, en tant que proposition réduite, elles possèdent un référent sous-jacent pouvant être relié à un syntagme nominal (SN) présent dans le contexte et jouent ainsi un rôle dans la continuité thématique; 2) les CDpart contribuent à la cohérence sur le plan informatif puisque, en tant que prédications secondes, elles véhiculent une information nouvelle de second plan et opèrent une hiérarchisation des informations; 3) les CDpart contribuent à la cohérence sur le plan évènementiel puisqu’elles permettent d’établir une relation entre l’événement décrit au PP et celui décrit dans la principale. L’analyse des CDpart sur le plan évènementiel a fait ressortir que dans un grand nombre de cas, la CDpart se trouve en position frontale et que dans ces cas, la relation le plus souvent établie entre l’évènement décrit au PP et celui décrit dans la principale est une relation de cause (Combettes 2005), comme dans l’exemple suivant tiré du corpus (Laberge 2019) : Favorisant le repli sur soi, il (le téléphone cellulaire) rompt le dialogue en famille ou entre amis lors d’un repas (...). L’article présente l’analyse qui a été faite, du point de vue évènementiel, de quelques occurrences de CDpart relevées dans des textes rédigés par des étudiants universitaires de premier cycle ou dans des textes journalistiques. Les résultats de cette analyse confirment que les CDpart doivent être envisagées comme ressources linguistiques pouvant exprimer la causalité en français.
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 | 0.004 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.004 | 0.007 |
| Scholarly communication | 0.006 | 0.008 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.019 | 0.002 |
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".