La transmission d’une langue en danger à l’ère du numérique : le cas du valoc’, dialecte de la Lombardie septentrionale
Bibliographic record
Abstract
Cette communication s’inscrit dans le cadre d’une étude réalisée à partir de 2017 sur le valoc’, dialecte du lombard parlé à Val Masino, vallée peuplée d’environ mille habitants et qui se trouve en Valteline, Lombardie (Italie). L’un des buts de cette recherche est de revitaliser ce dialecte par la publication de la première édition de son dictionnaire ainsi que par le biais de sa page Facebook : Vocabolär del Valoc’ de la Val Mäśen. Notre approche est à la fois dialectologique et sociolinguistique, voire ethnographique. Grâce à des questionnaires, des observations et des entretiens avec des locutaires de différents âges, sexes, niveaux d’étude et professions, nous avons recueilli, observé et analysé des discours à propos du dialecte et de ses usages, en lien avec son statut, son prestige et son rôle en tant que marqueur d’identité. Cela permet de mieux comprendre comment le valoc’ se parle et se transmet de génération en génération. Cette contribution nous amène également à réfléchir à la manière dont la nouvelle société « globale et globalisée » influence, d’une part, le processus de transmission de ce dialecte en danger et, d’autre part, la revitalisation et la transmission des savoirs. Pour ce faire, nous avons mené une étude succincte du discours numérique médié, incluant les émojis, figurant au sein de la page Facebook. Enfin, nous espérons que cet apport numérique et la publication du dictionnaire permettront non seulement de laisser une trace de ce dialecte dans le temps, mais aussi de promouvoir sa pratique et préserver le valoc’ à l’avenir.
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 | 0.000 | 0.002 |
| 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 | 0.003 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".