Étude statistique sur corpus de l’alternance que / Ø en français parlé : quel est l’effet de la proximité communicationnelle ?
Bibliographic record
Abstract
L’alternance entre séquence syndétique (je pense qu’il ne va pas venir) et asyndétique (je pense Ø c’est à onze heures) a été étudiée quantitativement en anglais (Jaeger, 2010) et en français québécois (Liang et al., 2021), mais pas en français métropolitain. Ainsi, en se concentrant sur les verbes croire et penser regroupés dans la catégorie des verbes « recteurs faibles », cet article présente une étude quantitative menée sur deux corpus de français parlé : le MPF (« Multicultural Paris French ») et le CEFC (« Corpus d’étude du français contemporain »). 1 249 occurrences de ces verbes ont été annotées manuellement pour un ensemble de facteurs linguistiques (personne, catégorie des sujets, présence de la négation, etc.) et non linguistiques (proximité / distance communicationnelle). À l’aide d’un modèle de régression logistique, la significativité d’un ensemble de facteurs hétérogènes dans le choix de construction est démontrée. Un intérêt particulier est porté sur le facteur communicationnel : les échanges caractérisés par la proximité et la connivence affichent une plus grande proportion de constructions asyndétiques.
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 | 0.006 | 0.022 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.006 | 0.009 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".