Regionale Wirtschaft und Förderung der bretonischen Identität und Sprache
Bibliographic record
Abstract
Regionale Wirtschaft und Förderung der bretonischen Identität und Sprache Die Verwendung von Minderheitensprachen im Wirtschaftsleben in Europa ist nicht immer selbstverständlich, insbesondere in Ländern, wo kein rechtlicher Anspruch auf den Gebrauch dieser Sprachen besteht, wie etwa in Frankreich. Dort hat die seit mehr als zwei Jahrhunderten verfolgte Politik des Monolingualismus maßgeblich zum Niedergang aller sogenannten „Regionalsprachen“ beigetragen. So wurden diese Sprachen nach und nach aus dem öffentlichen Bereich und der Wirtschaft verdrängt, bis es schließlich ab den 1950er-Jahren zu einem abrupten Bruch der familiären Weitergabe kam. Im Kontext eines stark zentralisierten Staates konnte sich im Laufe der nächsten Jahrzehnte entsprechend nur mühsam eine Revitalisierungspolitik „von unten nach oben“ entwickeln, die bis zum heutigen Tag verschiedene soziale Anwendungsbereiche umfasst, darunter auch die Wirtschaft. Am Beispiel des Bretonischen soll dieser Artikel zeigen, wie die Verwendung von Minderheitensprachen in der Wirtschaft durch verschiedene private institutionelle Akteure und sozialstaatliche Partnerschaften gefördert wird. Analysiert wird die Rolle des Comité d’études et de liaison des intérêts bretons (CÉLIB), des Unternehmernetzwerkes Produit en Bretagne sowie des Office de la langue bretonne.
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 | 0.003 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.005 | 0.006 |
| Scholarly communication | 0.016 | 0.006 |
| Open science | 0.001 | 0.010 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.057 | 0.014 |
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".