Variation diatopique dans la terminologie juridique. Analyse des néologismes juridiques dans FranceTerme, dans le Grand dictionnaire terminologique, dans TERMIUM Plus® et TERMDAT
Bibliographic record
Abstract
L’article traite de la variation diatopique de la terminologie juridique française. Il s’appuie sur les 93 néologismes juridiques contenus dans FranceTerme, la banque de données terminologique officielle française gérée par le ministère de la Culture, en les comparant à leurs équivalents présents dans le Grand dictionnaire terminologique, la banque de données officielle du Québec, qui a été créée par l’Office québécois de la langue française, dans TERMIUM Plus®, la banque de données du gouvernement canadien, et dans TERMDAT, la banque de données de la Chancellerie fédérale suisse. L’analyse a révélé une variation terminologique importante. Une minorité négligeable de termes ne manifeste aucune variation à travers les quatre sources. Les correspondances entre les termes présents dans les banques de données respectives ne sont que très partielles. Dans la majorité écrasante des termes, une variation est attestée et l’article en illustre les différents types à partir d’exemples concrets. On distingue surtout les équivalents qui ne diffèrent que formellement (les variantes syntaxiques, morphologiques et orthographiques, l’alternation des formes pleines et des sigles) et les équivalents qui manifestent des différences plus profondes (les termes vernaculaires et les emprunts à l’anglais, les termes descriptifs et les termes grécolatins, les termes contenant des mots indigènes synonymes remplaçant le terme entier ou l’un de ses éléments, les termes métaphoriques et les termes non métaphoriques, etc.).
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 | 0.005 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.007 | 0.013 |
| Science and technology studies | 0.006 | 0.005 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
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".