Bibliographic record
Abstract
Ce volume des Cahiers Forell est l’aboutissement du travail d’une équipe (ou « Opération » de l’EA 1226), le Cercle de Recherches Linguistiques de Poitiers, étalé sur plus d’un an. Ce travail repose sur la confrontation de données langagières diverses (langues différentes, variation, traductions) et leur analyse linguistique à la lumière d'une pluralité d'approches théoriques. C’est un travail collectif: chaque contribution a fait l’objet d’un exposé, d’une discussion et de relectures au sein du groupe.La question de l’utilisation d’un corpus dans l’analyse linguistique n’est pas nouvelle: il faut savoir comment on le traite, quel type de corpus on utilise, quels sont les cas où l’on ne peut échapper au corpus collecté à partir de l’écrit faute de locuteurs, quelles précautions prendre pour éviter qu’il ne devienne une simple collection de beaux spécimens.Les contributions proposées dans ce volume peuvent se fonder sur une forme de corpus préexistant : par exemple des corpus informatisés tels que le LOB, le Brown, le COLT ou le British National Corpus, sur l’anglais, ou bien ceux réalisés par deux chercheurs sur les variétés canadiennes de français, ou encore, dans le cadre d’études lexicales, les entrées du dictionnaire. Il peut s’agirau contraire de corpus collectés pour une recherche déterminée : corpus réuni à des fins sociologiques, extraits de lectures personnelles ou enquêtes réalisées « sur le terrain » pour le français ou l’anglais.Les travaux présentés ici ne sont qu’une « coupe » synchronique dans la vie d’un groupe de recherches. La part d’exploitation et de constitution des corpus ainsi que celle du traitement informatique des textes s’affirmeront plus que jamais dans les activités de l’équipe aux côtés de la réflexion théorique: c’est pourquoi ce recueil constitue à la fois un bilan de parcours mais aussi préfigure certaines des orientations de recherche à venir.
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 | 0.009 | 0.027 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.009 | 0.016 |
| Science and technology studies | 0.004 | 0.009 |
| Scholarly communication | 0.014 | 0.012 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.007 | 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".