L'emploi de la ponctuation dans des transcriptions de la langue parlée
Bibliographic record
Abstract
Ce mémoire présente une étude de l'emploi de la ponctuation dans des transcriptions orthographiques de discours oral spontané, dont la source est constituée de deux séries radiophoniques et d'un échantillon de huit émissions d'une série télévisée. L'hypothèse de départ était que les transcripteurs feraient un emploi particulier des signes de ponctuation afin de rendre compte de certains phénomènes propres à l'oral. \n \nPour analyser les données du corpus sélectionné, la méthode choisie repose sur la notion d'écart par rapport à la norme régissant l'emploi des signes ponctuation. Plusieurs grammaires usuelles et traités de ponctuation ont été consultés afin d'identifier les règles qui avaient été transgressées dans chacun des trois textes étudiés. Une fois la liste des écarts présents dans les transcriptions établie, une écoute des enregistrements des trois textes sources a permis de noter certains phénomènes prosodiques comme les pauses, l'intonation et les variations de rythme ou de débit des sujets parlants. La dernière étape du processus d'analyse a consisté à tenter de mettre en relation les 365 écarts notés dans l'emploi des signes de ponctuation avec les caractéristiques prosodiques présentes dans les énoncés sources. Si la présence ou l'absence de pause peut notamment expliquer certains écarts, la relation est, dans d'autres cas, beaucoup plus indirecte : un emploi de la ponctuation déviant par rapport aux usages courants de l'écrit pourrait alors contribuer à simuler ou à recréer un effet d'oralité. Certains phénomènes ne constituant pas un écart ont également été étudiés, particulièrement la longueur des phrases et l'emploi des points de suspension. \n \nEn guise de conclusion, l'étude fait état des différents moyens que les transcripteurs des trois textes étudiés ont privilégiés pour rendre compte de l'oralité du discours de départ. \n
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 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.026 | 0.011 |
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".