MétaCan
Menu
Back to cohort
Record W4295007604 · doi:10.4000/ethnoecologie.9130

Le rôle de l’environnement physique arctique sur l’évolution du Tunumiisut, la langue inuit de la côte est du Groenland au xixe siècle

2022· article· fr· W4295007604 on OpenAlexaboutno aff
Pierre Robbe, Bernadette Robbe

Bibliographic record

VenueRevue d’ethnoécologie · 2022
Typearticle
Languagefr
FieldHealth Professions
TopicIndigenous Studies and Ecology
Canadian institutionsnot available
Fundersnot available
KeywordsHumanitiesArtPhilosophy

Abstract

fetched live from OpenAlex

Depuis de nombreuses années, Pierre Robbe et Bernadette Robbe élaborent un dictionnaire encyclopédique sur la langue inuit de la côte est du Groenland, le tunumiisut, l’un des 16 dialectes que compte la langue parlée aujourd’hui par le peuple Inuit du détroit de Béring à la côte orientale du Groenland.Par rapport à tous ces dialectes et principalement à celui de la côte ouest du Groenland, le Kilaamiusut – la langue officielle de ce pays dont il est historiquement proche – le lexique du tunumiisut a profondément évolué au cours du xixe siècle. De nombreux mots ont été remplacés par des lexèmes descriptifs ou métaphoriques selon le modèle que les chamanes utilisaient pour ne pas nommer directement des entités potentiellement dangereuses.En s’appuyant sur l’histoire linguistique de l’inuit, l’archéologie, l’étude de la vie animale en relation avec le climat, de nombreux récits et témoignages collectés, les auteurs suggèrent que la compréhension de ce particularisme, qui résulte certes de facteurs d’ordre culturel, est néanmoins étroitement lié aux conditions écologiques de cette région de l’Arctique (climat, glace, faune), conditions qui fluctuent au cours du temps entre des périodes fastes et des phases catastrophiques pour la vie animale et, partant, pour celles des humains dont dépendait directement l’existence.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.006
metaresearch head score (Gemma)0.001
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Science and technology studies, Research integrity, Insufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.499
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0060.001
Meta-epidemiology (narrow)0.0000.001
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0000.000
Science and technology studies0.0070.001
Scholarly communication0.0000.000
Open science0.0010.002
Research integrity0.0010.003
Insufficient payload (model declined to judge)0.0010.000

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.

Opus teacher head0.025
GPT teacher head0.304
Teacher spread0.278 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2022
Admission routes1
Has abstractyes

Explore more

Same venueRevue d’ethnoécologieSame topicIndigenous Studies and EcologyFrench-language works237,207