Étude quantitative et qualitative de 45 emprunts de sens dans sept types de discours québécois
Bibliographic record
Abstract
Au Québec, certaines circonstances font en sorte que les anglicismes sont perçus de manière péjorative, comme des mots à éviter. Afin de s'en débarrasser dans l'exercice de leurs fonctions, les rédacteurs et autres professionnels québécois de la langue se servent de certains ouvrages de référence. Cependant, des chercheurs ont relevé les limites de ces outils de référence. Ce mémoire analyse les outils de référence actuellement disponibles afin de voir s'ils sont appropriés aux besoins des rédacteurs québécois. À partir d'une liste de 45 emprunts de sens et à partir d'un corpus de textes québécois reflétant divers types de discours, soit la Banque de données textuelles de Sherbrooke (BDTS), nous nous sommes fixé deux objectifs. Le premier objectif est d'étudier l'ampleur de l'utilisation des 45 emprunts de sens dans la BDTS ainsi que leur dispersion dans sept types de discours (administratif, journalistique, scientifique, sociopolitique, technique, littéraire et oral). Le second objectif est d'évaluer la pertinence des ouvrages de référence au regard des emplois tirés de la BDTS."--Résumé abrégé par UMI.
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 | 0.006 | 0.016 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.006 | 0.010 |
| Science and technology studies | 0.009 | 0.005 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".