Étude interactionniste de quelques disfluences typiques de la langue parlée en contexte spontané : amorce de mots, amorce de syntagmes et répétition
Bibliographic record
Abstract
Une écoute attentive de conversations à bâtons rompus montre que celles-ci sont parsemées d’hésitations, de pauses dites remplies comme euh, de répétitions, d’autocorrections, de lapsus, etc. Notre recherche porte sur ces imperfections que l’on qualifie habituellement de ratés, mais que nous nommons plutôt disfluences, par soucis de neutralité. Le but est double. Il s’agit 1) de vérifier si la production de deux paires de disfluences (amorce de mot et répétition ainsi qu’amorce de syntagme et répétition) est interreliée et 2) si ces disfluences sont interreliées, de déterminer les mécanismes d’interrelation qui sous-tendent la production de celles-ci. À cette fin deux corpus multimodaux de conversations authentiques sont exploités : le Corpus de langue parlée en interaction (CLAPI) de l’Université de Lyon 2 et le Corpus de français parlé au Québec (CFPQ) de l’Université de Sherbrooke. La recherche s’inscrit dans le champ des études interactionnistes qui focalisent l’attention sur le fait que le locuteur engagé dans une conversation à bâtons rompus construit son discours au coup par coup, en s’ajustant constamment aux réactions de l’interlocuteur produites de manière vocale et mimogestuelle. La recherche permet de mieux cerner le fonctionnement de l’oral spontané en approfondissant les connaissances sur les disfluences de l’oral dans une perspective interactive. La recherche permet également de vérifier s’il existe un certain ordre dans le désordre apparent de l’oral, facette de la langue associée à la production de disfluences, un procédé souvent considéré comme aléatoire.
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 | 0.002 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 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 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".