« Corpus oraux et corpus de textos. La référence temporelle au futur en Belgique et au Québec »
Bibliographic record
Abstract
Cette étude, qui porte sur la référence temporelle au futur (RTF) en Belgique et au Québec, s’appuie sur des corpus de données provenant de productions orales et de textos. Depuis le travail fondateur d’Emirkanian & Sankoff (1985) sur la variation dans l’usage des formes du futur dans le français parlé à Montréal, l’intérêt pour cette variable dans les cercles de la sociolinguistique variationniste ne se dément pas. Ce premier travail empirique sur le futur avait été mené à partir d’un sous-échantillon des données du corpus Sankoff-Cedergen de 1971. L’étude proposée ici s’inspire de cette étude sociolinguistique pionnière tout en élargissant sa dimension comparative. La plupart des travaux sur la variation sociolinguistique s’appuient sur la notion labovienne de communauté linguistique. Comme ces travaux sont ancrés dans l’examen de la langue dans son contexte social, relativement peu d’études ont comparé de manière systématique, en faisant appel à des corpus comparables, les différences d’usage entre le français parlé en Europe et le français parlé en Amérique du Nord . En effet, c’est surtout depuis l’orée du 21e siècle que l’on assiste à des études plus larges grâce au développement des approches en sociolinguistique comparative (Tagliamonte, 2013). La présente étude compare le français employé en Belgique et au Québec, deux communautés francophones qui se distinguent par leur distance géographique et symbolique avec la France. Afin d’évaluer les différences entre les deux variétés, nous examinons l’usage du futur analytique (FA) et du futur synthétique (FS). L’objectif vise à établir les différences entre les deux variétés de français en considérant l’effet du médium utilisé lors de l’interaction sur les usages observés. Pour ce faire, la comparaison fait appel à l’analyse de données orales provenant de deux corpus de français parlé recueillis à Bruxelles et à Montréal que nous mettons en relation avec les résultats d’une étude antérieure sur l’emploi de la référence au futur dans les textos belges et québécois (Tremblay et al., 2020).
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 | 0.003 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.012 | 0.022 |
| Science and technology studies | 0.006 | 0.003 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.027 | 0.004 |
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".