Bibliographic record
Abstract
Arguments a favor i en contraPer qu etiquetar en catal?20 Publiquem dos articles relacionats amb l'etiquetatge de productes en eatal.El primer, que s una adaptaci del que va ser publicat a la revista 'OCUC Expres', revista de l'Organitzaci de Consumidors i Usuaris de Ca talunya, pretn fer una anlisi dels principals arguments per etiquetar en catal.El segon descriu l'experincia de dinamitzaci que va dur a terme el Centre de Normalitzaci Lingstica d'Osona consistent a promoure per Nadal l'obsequi de lots i paneres amb productes etiquetats en catal. Etiquetar en catalL'etiquetatge en catal sempre ha estat una qesti controvertida.Tan lgic que sembla que a Catalunya s'etiqueti en catal o tamb en catal.Tan fcil que sembla!La realitat, per, ens diu que no s ben b aix.En aquest article ens proposem fer una anlisi del perqu, malgrat el fet que tothom o gaireb tothom troba normal etiquetar en la llengua del pas, no trobem encara gaires productes que segueixin el que hauria de ser la normalitat, com a Blgica, com a Sussa, com a Quebec i altres pasos plurilinges que han sabut trobar frmules satisfactries per a tothom: empresaris, consumidors i altres agents socials.A continuaci mostrem, d'una manera sinttica, els arguments ms freqents a favor i en contra d'etiquetar en catal:Com passa en altres camps, ms que respondre a aquesta qesti , potser ms aviat caldria preguntar a qui no ho fa per qu no etiqueta tamb en catal?Els arguments que es fan servir per no fer-ho es poden resumir en dos tipus: rebuig dels consumidors no catalans i augment dels costos o complicacions logstiques .Quant al primer argument, el suposat i hipottic rebuig de determinat sector castellanoparlant a Catalunya i d'espanyols a fora de Catalunya, mai no ha estat demostrat empricament.
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 | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.003 |
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; both teacher heads agree on what is shown here.
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".