La pratique définitoire du Multidictionnaire de la langue française : le traitement des noms de plantes alimentaires
Bibliographic record
Abstract
La présente étude s'inscrit dans le volet métalexicographique des activités de recherche du Centre d'analyse et de traitement informatique du français québécois de l'Université de Sherbrooke (CATIFQ). Plusieurs recherches axées sur l'étude critique de la pratique lexicographique liée au vocabulaire de la faune, et de la flore dans les dictionnaires usuels du français y ont été réalisées et la nôtre est la première à porter sur un dictionnaire québécois. Le Multidictionnaire de la langue française (Multi) est sans doute aujourd'hui le dictionnaire papier le plus largement répandu au Québec, très bien implanté notamment en milieu scolaire à tous les niveaux d'enseignement. D'abord présenté comme un dictionnaire de difficultés, l'ouvrage abandonne cette étiquette à partir de 1997 et officialise ainsi une volonté de transformation. Par l'enrichissement progressif de sa nomenclature et du contenu de ses articles, il se présente de plus en plus comme un dictionnaire général. Notre recherche porte donc sur la pratique définitoire du Multi en ce qui a trait aux noms de plantes alimentaires, un sous-ensemble largement banalisé du vocabulaire de la flore. Notre objectif est à la fois de décrire cette pratique et de préciser dans quelle mesure les définitions de la plus récente édition du Multi (2009) proposent une délimitation référentielle claire des dénominations relevant du sous-ensemble lexical choisi. Nous nous intéressons d'abord aux différents modèles définitoires exploités dans l'ouvrage, puis nous portons notre attention sur les incluants et les éléments de spécification qui composent les définitions par inclusion. L'étude descriptive que nous présentons permet de tracer les limites des définitions du Multi en ce qui a trait à la caractérisation référentielle et de mesurer l'écart entre l'approche définitoire de l'ouvrage et le niveau de précision attendu d'un dictionnaire général usuel.
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 | 0.004 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.008 | 0.008 |
| Scholarly communication | 0.009 | 0.007 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 0.002 |
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".