L’effectivité de la Loi sur les langues officielles, proposition d’une grille d’analyse
Bibliographic record
Abstract
Plusieurs observateurs et intervenants soulignent que l’application et le respect des lois linguistiques au pays, notamment la Loi sur les langues officielles (LLO) du Canada, continuent de poser un problème. Dans le contexte où plusieurs consultations ont eu lieu pour réviser cette loi, plusieurs intervenants ont rappelé cette problématique et proposé de renforcer l’application de la LLO. La note de recherche qui suit présente une grille d’analyse qui tente de saisir les contextes juridique, social et organisationnel qui influencent l’effectivité d’une loi linguistique. Suivant une approche multidisciplinaire, nous avons élaboré cette grille dans le cadre d’un projet de recherche sur l’effectivité des lois linguistiques provinciales dans le secteur de la santé. Nous jugeons utile de la présenter, car elle peut servir dans d’autres secteurs et pour une meilleure application de la LLO. Plusieurs autres travaux de recherche permettront de tester, de préciser et de valider cette grille d’analyse.
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 | 0.024 | 0.063 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.007 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.012 | 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".