L’identité sociale et son influence sur la perception du langage : locuteurs natifs et identité japonaise au sein d’un échantillon de membres actifs de groupes communautaires culturels japonais à Montréal
Bibliographic record
Abstract
Le présent mémoire aura pour objectif d’étudier la relation entre l’identité sociale et la perception du langage et de revers les répercussions de cette relation sur la reconnaissance de l’identité de locuteur natif du japonais au sein d’un échantillon de la communauté japonaise de Montréal. Pour ce faire, les résultats à un test d’écoute socio linguistique conduit au sein de cette même population seront analysés. Le test en question aura suggéré une influence qualitative, mais pas quantitative de l’identité sociale communiquée par voies visuelles sur la reconnaissance de l’identité de locuteur natif. Les recherches de terrains anthropologique, elles, auront mis de l’avant une dissonance dans le discours mémoriel autour des frontières de la définition de ce que représente être un « vrai » Japonais. Elles auront également permis de dresser une esquisse des aspects de l’identité sociale virtuelle qui indexeraient à l’individu qui les incarne une identité de locuteur natif au point où les personnes qui la lui reconnaissent en verraient leur perception de son langage influencée.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".