La productivité des noms composés en français du XVIIe au début du XXe siècle
Bibliographic record
Abstract
La présente thèse est une étude approfondie de la productivité des noms composés français N-N, A-N, N-A et N-de-N du XVIIe au début du XXe siècle. La productivité morphologique des mots composés demeure un domaine très peu exploré, surtout en français. Les études antérieures sur la dérivation utilisent principalement la mesure de productivité basée sur les hapax, soulevant la question de savoir si l’application d’une seule méthode est suffisamment fiable pour évaluer la productivité en composition. Dans cette thèse, la productivité des composés est calculée au moyen de trois mesures différentes : la mesure P basée sur les hapax (Baayen et Lieber 1991; Baayen 1992), la taille catégorielle de la famille morphologique (Baayen et Hay 2002) et la fréquence relative (Hay 2003). En outre, la productivité est analysée en tenant compte de la position de la tête morphologique et l’aspect régulier/irrégulier du composé. Je cherche à vérifier quatre hypothèses : 1) les composés réguliers sont plus productifs que les irréguliers ; 2) les N-N et N-de-N sont les types les plus productifs ; 3) il existe une corrélation inverse entre la productivité P et la fréquence relative ; 4) il existe une corrélation inverse entre la productivité P et la taille catégorielle de la famille morphologique. Les hypothèses #1 et #4 sont confirmées par les résultats obtenus : les formes régulières exocentriques sont les plus productives et le taux de productivité le plus élevée coïncide avec la taille catégorielle la plus basse. L’hypothèse #2 a été appuyée partiellement à cause de données lacunaires pour le type N-de-N. Toutefois, la corrélation inverse entre la productivité et la fréquence relative n’est pas confirmée en composition. La thèse a apporté plusieurs contributions : l’étude diachronique de productivité en composition, l’utilisation de différentes méthodes statistiques et un corpus original de composés français qui comporte 15 types différents.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.022 | 0.006 |
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".