Fierté et idéologies linguistiques : analyse d’une campagne publicitaire gouvernementale sur la langue française au Québec
Bibliographic record
Abstract
AvertissementL'auteur de ce mémoire, de cette thèse ou de cet essai a autorisé l'Université du Québec à Trois-Rivières à diffuser, à des fins non lucratives, une copie de son mémoire, de sa thèse ou de son essai.Cette diffusion n'entraîne pas une renonciation de la part de l'auteur à ses droits de propriété intellectuelle, incluant le droit d'auteur, sur ce mémoire, cette thèse ou cet essai.Notamment, la reproduction ou la publication de la totalité ou d'une partie importante de ce mémoire, de cette thèse et de son essai requiert son autorisation. REMERCIEMENTSLa réalisation d'un mémoire est un processus laborieux qui ne serait possible sans le précieux soutien de nombreuses personnes que je tiens à souligner.Mes premiers remerciements s'adressent à ma directrice de recherche, Geneviève Bernard Barbeau, qui m'a fait découvrir le monde -intimidant au premier abord, mais ô combien enrichissant -de la recherche.Ses nombreuses relectures, ses retours incroyablement rapides, ses commentaires constructifs et son souci du détail ont assurément enrichi ce mémoire.Je remercie sincèrement Wim Remysen pour les opportunités qu'il m'a offertes en tant qu'assistante de recherche au sein du Fonds de données linguistiques du Québec tout au long de ma maîtrise.Merci également à tous les professeurs qui ont croisé ma route et qui ont alimenté mes réflexions d'une manière ou d'une autre.Merci plus particulièrement aux membres de mon jury, Nadine Vincent et Samuel Vernet, pour leur lecture de ce mémoire.Sur le plan personnel, je tiens à exprimer toute ma gratitude à ma mère qui m'a toujours soutenue dans mes études et qui a gentiment accepté de lire tous mes travaux avec grand intérêt, ce mémoire y compris.Merci également à ma meilleure amie qui s'est révélée être un support moral hors pair.Enfin, un merci tout spécial à mon grandpère qui, par ses constants encouragements empreints d'une fierté indéfectible, aura su me donner la force nécessaire pour terminer la rédaction de ce mémoire, malgré son départ trop hâtif.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.006 |
| Science and technology studies | 0.011 | 0.006 |
| Scholarly communication | 0.007 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.012 | 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".