Sociolinguistique insulaire : avantages et désavantages d’être une île
Bibliographic record
Abstract
Cette contribution se fixe pour objectif de parcourir l’histoire linguistique et sociolinguistique de l’archipel des Açores à travers l’analyse des dialectes açoriens parlés dans les neuf îles ainsi que dans les nombreuses communautés açoriennes dans le monde. La description détaillée des caractéristiques dialectales du portugais local nous permet de réfléchir sur la dichotomie entre archaïsmes et innovations, principalement du point de vue lexical – ces éléments ayant été observés chez les locuteurs de portugais de la diaspora, notamment au Canada et aux États-Unis. Notre analyse vise à présenter la variation dialectale insulaire, dans un territoire constitué de petites îles séparées entre elles par de grandes étendues de mer. Cet isolement naturel a laissé des marques linguistiques évidentes dans les dialectes açoriens. Il suffit de tendre l’oreille pour s’apercevoir que la façon de prononcer les sons et la prosodie sont spécifiques à une île ou bien à une partie d’une île. Cependant, en ce qui concerne le lexique et la sémantique, les différences ne sont pas si tranchées. Le temps, la géographie, les échanges sociaux sont autant de facteurs qui expliquent que les dialectes açoriens sont indissociables de la société qui les parle.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.008 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.000 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 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".