De quelques marqueurs discursifs chez les francophones du Nord-Est ontarien : valeurs, usages et différences intergénérationnelles
Bibliographic record
Abstract
La cinquième étude de Julie Boissonneault donne suite à celle parue précédemment dans ces cahiers, où notre consoeur a examiné une dizaine de marqueurs utilisés à des fins grammaticales et à des fins pragmatiques dans le discours de francophones du Nord-Est ontarien. Cette analyse mettait en relief les changements intergénérationnels qui s’étaient opérés au fil du temps, soit par la progression de certains marqueurs anglais (so et like), soit par l’étiolement de certaines formes françaises (alors, (ça) fait que et en tout cas) ; elle avait aussi montré la prévalence de marqueurs de langue anglaise sur leurs homologues français (anyway/anyways), mais également celle de marqueurs de langue française sur leurs homologues anglais (comme et donc). Cette fois, en se penchant sur d’autres marqueurs discursifs – coudon, voyons, okay, d’accord, t’sais, vous savez, you know, disons et tiens – dans le discours de locuteurs du français habitant le même milieu, elle fait voir l’évolution des usages et en brosse un portrait intergénérationnel sur plus d’un siècle. Les analyses font aussi valoir la polysémie des marqueurs, qui revêtent une valeur autre que celle qu’admettent les catégories traditionnelles qu’enseigne l’école, en illustrant les valeurs que les informateurs leur accordent. Ce portrait analytique permet une plus grande appréciation de l’oralité et de sa richesse.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
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.
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".