La Variation Sociolinguistique du Francais Écrit Par des Internautes au Québec dan L'Espace Public de Facebook
Bibliographic record
Abstract
Les technologies numériques deviennent un moyen omniprésent de communiquer par écrit et représentent un nouvel usage social de la langue qui ressemble aux conversations orales. Puisque la sociolinguistique a pour but d’étudier la langue dans son contexte social, cette perspective se prête bien à l’observation des échanges dans des espaces numériques. En effet, les sociolinguistes notent l’importance d’étudier cette nouvelle forme langagière, qui contient des éléments des codes écrit et oral, en plus de symboles. Ce nouvel emploi social de la langue interroge la dichotomie oral-écrit, et remet en question les notions de variétés de langue. De plus, les traces écrites d’interactions informelles offrent l’occasion d’accéder au vernaculaire, sans l’intervention du chercheur. Tandis que les recherches variationnistes dans ce domaine pour l’anglais et d’autres langues se multiplient, elles sont moins nombreuses pour l’emploi du français dans le Web 2.0, et plus rares pour le français québécois. Dans ce cadre, cette thèse examine la variation langagière du français québécois à partir d’un corpus original constitué de commentaires écrits sur des pages publiques Facebook par des internautes qui déclarent étant situés au Québec. Elle tente de répondre à deux grandes questions : 1. La communication numérique écrite produite sur Facebook par des internautes au Québec ressemble-t-elle plutôt à la langue standard écrite québécoise, ou à la langue orale québécoise ? 2. Quelle est la variabilité des emplois standards et non standards d’un commentaire à l’autre ? Adoptant une approche systématique cette étude examine ainsi l’emploi de huit variables sociolinguistiques du français québécois qui font l’objet d’études depuis des décennies (en l’occurrence des éléments lexicaux, verbaux, syntaxiques et pronominaux). Dans un premier temps, des analyses de concordance permettent de dégager les fréquences d’emploi de ces marqueurs sociolinguistiques, pour ensuite les comparer aux fréquences attestées à l’oral et dans d’autres contextes numériques. Dans un deuxième temps, des analyses de collocation cherchent à déterminer à quel point les internautes emploient des formes non standards dans leurs écrits numériques. Les résultats de cette thèse mènent à une réflexion sur la théorie sociolinguistique et sur l’avenir du français québécois et des langues minoritaires dans l’ère du numérique.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.005 | 0.003 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.002 |
| 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".