Relecture des marges du "Petit Robert des enfants" du dictionnaire papier vers un dictionnaire electronique
Bibliographic record
Abstract
Notre mémoire est consacré à l'étude du Petit Robert des enfants (PREnf) publié en 1988 sous la direction de Josette Rey-Debove, et plus particulièrement à l'étude d'un aspect très original de ce dictionnaire d'apprentissage, à savoir les informations présentées dans les marges de l'ouvrage, qui sont complémentaires au contenu des articles. Le premier objectif de notre étude consistait à décrire de façon détaillée les informations marginales du PREnf. Cette description a été basée sur un examen qualitatif et quantitatif d'un échantillon précis. En fonction des deux grandes catégories de données marginales du PREnf, notre analyse a d'abord porté sur les données de nature linguistique (imprimées en noir) puis sur celles de nature extralinguistique (imprimées en bleu). Notre étude avait comme deuxième objectif d'établir dans quelle mesure et sous quelle forme il serait possible de transposer vers un support électronique les divers types d'information que contiennent les marges du PREnf. La réalisation de cette proposition s'appuie sur la structuration sous-jacente des contenus des marges du PREnf tel que proposée dans notre étude. La description et l'analyse des données marginales du PREnf montre [i.e. montrent] à l'évidence que, malgré son échec commercial, le PREnf offre l'exemple d'une très riche proposition lexicographique dont les futurs dictionnaires pour enfants pourraient encore s'inspirer avec profit. De plus, notre étude nous a permis de démontrer qu'il serait pertinent de s'inspirer du PREnf, tant du point de vue de son contenu que de son dispositif pédagogique pour élaborer un dictionnaire électronique d'apprentissage destiné. à des enfants du niveau primaire.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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 teacher head, 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".