MétaCan
Menu
Back to cohort
Record W4400493844 · doi:10.54563/lexique.1713

Analyse comparée de la structure de néologismes de la langue des signes française (LSF) et de la langue des signes québécoise (LSQ) : Procédés de création et unités sublexicales

2024· article· fr· W4400493844 on OpenAlexaff
Laurence Gagnon, Anne-Marie Parisot, Irène Strasly

Bibliographic record

VenueLexique · 2024
Typearticle
Languagefr
FieldArts and Humanities
Topiclinguistics and terminology studies
Canadian institutionsUniversité du Québec à Montréal
Fundersnot available
KeywordsArtHumanitiesPhilosophy

Abstract

fetched live from OpenAlex

Nous proposons une comparaison de la structure sublexicale des néologismes de deux langues des signes (LS) : 99 du domaine de l’astronomie en LSQ et 85 du domaine biblique en LSF. Les objectifs de cet article sont de présenter i) une description des procédés de création (composition, dérivation, emprunt) et, ii) une analyse de la relation entre la structure interne (les unités sublexicales) des néologismes et leur sens, afin de déterminer si les unités sublexicales sont sémantiquement motivées dans une langue des signes. Basé sur van der Hulst et van der Kooij (2006), nous avons décrit les constituants selon leurs traits de forme (configuration manuelle, lieu et mouvement) et leur apport sémantique. Les 4 facteurs considérés pour l’analyse (régression logistique et khi2) sont les traits phonologiques (5 traits de forme de la main, 2 de lieu et 5 de mouvement), les caractéristiques sémantiques (motivé, non motivé), la langue (LSQ, LSF) et les domaines sémantiques (astronomie, bible). Les résultats montrent que les deux lexiques se distinguent par la fréquence de la composition (LSQ) et de la dérivation (LSF) ainsi que par la motivation sémantique de leurs unités sublexicales. Tous les traits sublexicaux sont significativement porteurs de sens dans le lexique de la LSF alors que la configuration manuelle seule est statistiquement représentative du référent pour le lexique de l’astronomie en LSQ.

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)0.001
metaresearch head score (Gemma)0.001
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Science and technology studies
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Theoretical or conceptual · Consensus signal: Theoretical or conceptual
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.266
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.001
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0000.000
Science and technology studies0.0010.003
Scholarly communication0.0010.000
Open science0.0000.000
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0000.000

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 head0.031
GPT teacher head0.327
Teacher spread0.296 · 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 designTheoretical or conceptual
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
Published2024
Admission routes1
Has abstractyes

Explore more

Same venueLexiqueSame topiclinguistics and terminology studiesFrench-language works237,207