Synonymie inter- et intra-linguistique en langue de spécialité : les termes du domaine « nanotechnologie »
Bibliographic record
Abstract
\n La présente contribution se fonde sur une étude de terminologie contrastive multilingue, menée à l’aide d’une ressource terminologique en ligne : le Vocabulaire panlatin de la nanotechnologie, édité par l’Office québécois de la langue française en collaboration avec le Réseau Panlatin de Terminologie et disponible aussi sur le site Realiter.\nPartant de l’observation d’un Corpus comprenant 160 termes français de la nanotechnologie, leurs équivalents en catalan, espagnol, italien, portugais, roumain et anglais ainsi que les synonymes recensés dans chaque langue, ce travail vise à analyser et à décrire l’état de la synonymie en français, dans une perspective de comparaison avec les autres langues. La description linguistique, appliquée aux unités terminologiques circonscrites à un domaine déterminé, est menée aussi bien au niveau interlinguistique qu’au niveau intralinguistique et elle est supportée par des données d’ordre quantitatif. Elle porte sur les procédés de formation des termes principaux (privilégiés pour désigner la notion et qui, dans les articles du Vocabulaire panlatin, figurent en premier pour chaque langue) et de leurs synonymes, sur leurs particularités d’ordre morphologique et morphosyntaxique ainsi que sur le degré de productivité synonymique enregistrée au sein de la terminologie française par rapport aux terminologies des autres langues. En particulier, la quantité et la variété remarquables des formations synonymiques montrent la vitalité et la créativité, au sein des langues romanes mais aussi de l’anglais, d’un phénomène qui mérite donc une attention spéciale de la part des études de terminologie.\n\n
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.006 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.000 | 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 teacher head, 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".