Concordance négative optionnelle : contrastes forts et faibles entre picard et québécois
Bibliographic record
Abstract
\nCet article, basédeux études decorpus,comparele phénomène de la concordance négative(CN)enpicard et enfrançais montréalais. Après avoir défini les phénomènes étudiés, il présenterapidement lefonctionnement de la négation et de la concordance négative en picard, et leurressemblances avec le système montréalais.La concordance entre marqueur négatifet mot-N y est à la fois possible et optionnelle: j’n’in sais (mie) rien ‘je n’en sais rien’ (picard), j’ai (pas)rien contre la loi cent un ‘je n’ai rien contre la loi cent un’ (québécois). Les contrastes en termes de contextes syntaxiques permettant ou non la CNoptionnelle, conduisent à poser ces deux dialectes commetypologiquement distinctssur des points considérés comme théoriquement cruciaux, comme la possibilité de la CNentre un marqueur denégation et un mot-N préverbalou dans des énoncés fragmentaires. Néanmoins, onmontre qu’une prise en compte plus fine des propriétéslexicalesdes items en jeuet de leurs fréquences d’emploi relativesmodifiece schéma typologique:elle montred’étonnantes convergences entre les deux systèmes, qui invitent à repenser la manière d’aborder la microvariation syntaxique. L’article défend enfin l’hypothèse que les différences entre les deux dialectes reposent sur l’existence d’un marqueur secondaire en picard, occupant une position syntaxique distinctedu marqueur pas ou point.\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 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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.006 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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".