La entrevista sociolingüÃstica y su valor como método de investigación
Bibliographic record
Abstract
Dans cette étude, nous analysons les principaux problèmes que nous retrouvons lorsque nous utilisons les entrevues sociolinguistiques comme méthode dâanalyse pour obtenir des échantillons de lâactuation linguistique authentiques. Cette problématique provient de la nature même de la méthodologie employée en fonction du paradoxe de lâobservateur (Labov 1972) et elle impose la nécessité de réfléchir sur les avantages et les désavantages inhérents à lâinstrument de recherche utilisé. En ayant ce propos, lâobjectif principal quâon poursuit est celui de donner réponse à une question que surgit lorsquâon parle de lâentrevue sociolinguistique : Comment pourrait-on obtenir des échantillons de parole de style spontané dans lâobservation systématique de lâentrevue? Pour essayer de répondre à cette problématique, on a revu et analysé un échantillon de vingt entrevues semi dirigées (25 heures dâenregistrement) qui font partie du Corpus Oral et Sonore de lâEspagnol Rural (COSER).\n\nLâétude des entrevues sociolinguistiques comme méthode scientifique montre, comme principal résultat, que parmi les stratégies utilisées pour essayer de réduire les effets du paradoxe de lâobservateur on devrait inclure celle de la tactique de faire parler lâinformateur à propos dâun objet qui ait une particulière valeur affective pour lui, pour générer ainsi une déstructuration du schéma formel de lâentrevue et une situation émotionnelle de sorte que lâémotivité neutralise sa conscience linguistique et son discours. De cette façon, lâattention du parlant se concentrera dans lâobjet même plutôt que dans sa parole formelle et, de cette manière, on obtiendrait des échantillons de style plus spontané et colloquial.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 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".