Une étude sociophonétique de la voix craquée en français laurentien
Bibliographic record
Abstract
Cette étude est une analyse sociophonétique de la voix craquée (VC) en français laurentien. En se fiant sur diverse mesures acoustiques, elle vise à déterminer si la VC présente des différences sociales (selon le genre et l’âge) ainsi qu’à décrire le conditionnement linguistique de la VC en français laurentien. Un corpus de données trouvées de discours spontané en français a été recueilli auprès de 49 personnalités publiques bilingues (anglais-français) originaires de l’Ontario ou du Québec, comptant 51 317 voyelles analysées. Les mesures acoustiques de la VC comprennent une proportion de f0 non-fiable, une mesure de pente spectrale (H1*−H2*) et deux rapports harmonique-bruit (CPP et HNR entre 0 et 500 Hz). Les résultats pour le genre témoignent collectivement de plus grande présence de VC chez les hommes que les femmes. Les différences d’âge sont plus modestes : les locuteurs plus âgés démontrent provisoirement plus de VC que les locuteurs plus jeunes. Cela suggère que la production de VC a une base physiologique. Le conditionnement linguistique n’est pas aussi clair en français laurentien que dans d’autres études de variétés d’anglais, mais indique que la VC est généralement plus prononcée pour les voyelles basses et les voyelles à basse f0.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.006 | 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".