Parler français ou « bien » le parler? La langue et l’accent comme marqueurs de l’identité québécoise et les attitudes envers l’immigration
Bibliographic record
Abstract
Quelle place occupe la langue dans l’identité nationale québécoise? Depuis des siècles, la province francophone martèle l’importance de sa culture distincte au reste du Canada et la langue en est sa manifestation la plus saillante, voire la plus fondamentale. Pour cette raison, les politiques publiques qui visent à défendre la langue sont bien établies dans le paysage politique québécois. Ceci dit, on en sait très peu sur l’importance qu’accordent les membres du groupe majoritaire à cette caractéristique. Et force est d’admettre qu’on en sait encore moins au sujet de l’accent québécois, bien qu’il soit un marqueur d’altérité depuis que le Québec accueille un nombre grandissant d’immigrants à la suite de la Révolution tranquille. Ce mémoire démontre que l’accent québécois est une composante importante de la construction de l’identité nationale, mais que la langue française est bien plus importante dans cette construction. De plus, nous révélons que les ramifications de la langue et de l’accent sur les attitudes envers l’immigration sont différentes. Alors que celles de l’accent québécois sont exclusives, celles de la langue française sont parfois exclusives et d’autres fois inclusives, ce qui atteste de l’ambiguïté entourant le rôle de la langue dans la construction de l’identité nationale. La recherche repose sur un sondage réalisé au Québec en ligne en 2022 auprès de 2 401 personnes du groupe majoritaire (nés au Canada, non-membre d’une minorité visible ni autochtone, dont la langue maternelle est le français).
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.010 | 0.007 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.012 | 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".