Lexiques-Grammaires Comparés et dictionnaires électroniques comparatifs des franqais de France et , du Québec
Bibliographic record
Abstract
Notre travail s'inscrit dans le domaine de l'étude linguistique comparée et met en contraste les variétés linguistiques française et québécoise. La comparaison suppose, au préalable, que le lexique des deux variétés soit établi et qu'il soit décrit suivant un même formalisme. C'est dans une optique de comparaison lexico-syntaxique des variétés française et québecoise que ]. Labelle (1987, 1988, 1989) adoptait le cadre du Lexique-Grammaire développé par M. Gross (1968, 1975). De cette démarche qui lui foumissait un formalisme pour décrire la variété québécoise, est né le cadre du Lexique-Grammaire Comparé. La description du français du Québec différente de celle de France qui a déj à été décrite par le Laboratoire d'Automatique Documentaire et Linguistique (LADU de Paris a été rendu nécessaire par la volonté d'exhaustivité prônée par les linguistes qui rédigent les dictionnaires électroniques comparatifs des français de France et du Québec. Cette description permet d'approfondir la connaissance du français et permettra d'effectuer d'une façon plus approfondie des opérations automatiques de comparaison et de traduction des réalisations de ses variétés.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.005 | 0.009 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.014 | 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".