«Ce n’est clairement pas la France». Negation et identite dans le city branding de Montreal et Quebec
Bibliographic record
Abstract
Le corpus analysé a été construit à partir de 3.280 recensions publiées entre 2011 et 2020 sur un site de partage de recommandations touristiques. Les auteurs sont des voyageurs d’origine française et d’origine canadienne française, qui relatent leurs expériences dans les villes de Québec et de Montréal. L’objectif est d’analyser les formes d’inscription du touriste dans l’espace et, en particulier, d’étudier comment la perception que les Québécois ont de leurs espaces est interceptée ou filtrée par des hétéroimages (soit par le regard d’autrui), notamment de la France. Grâce aux outils de textomé- trie, l’interrogation du corpus montrera comment les Français se servent d’un imaginaire européen dans la domestication de l’étranger et comment les québécois s’approprient ou négocient l’imaginaire français dans l’exotisation de leurs espaces ; et quels sont les relations interdiscursives entre ces deux imaginaires. Dans ce but, on étudiera le phénomène de l’antonomase toponymique (la substitution des noms propres de lieu) comme stratégie rhétorique mais aussi comme organisateur cognitif, c’est-à-dire comme lieu de rencontre et de négociation entre connaissances sur l’espace et identités du sujet regardant. Cette négociation entre autoimages et hétéroimages prend souvent la forme linguistique de la négation et devient une stratégie d’argumentation dans le projet persuasif de la recension touristique.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.007 | 0.005 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 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 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".