Algonquian morphosyntax : toward a new descriptive model from innuaimun data (Quebec)
Bibliographic record
Abstract
La morphosyntaxe des langues algonquiennes (Amérique du Nord), est encore peu connue en Europe. Leur tradition descriptive demeure ancrée dans l’héritage des premières descriptions, remontant à la fin du XVIème siècle. Ces langues apparaissent d’autant plus ‘exotiques’ que la terminologie utilisée est idiosyncratique : système « direct-inverse », « obviation », « hiérarchie des personnes », etc. Cela donne l’impression que l’on est face à des faits attestés nulle part ailleurs. Ce sujet est donc à la fois de description et d’analyse, à travers l’étude de la morphosyntaxe de l’innu-aimun (langue algonquienne du Québec), et aussi d’histoire et d’épistémologie de la linguistique. L’analyse en constituants immédiats, qui est à la base de notre analyse, fait apparaître la logique structurale propre à la langue, où des paramètres d’ordre sémantique interagissent avec la syntaxe à différents niveaux de constituance. Notre étude place l’expression de la diathèse au cœur de la morphosyntaxe algonquienne. Celle-ci, qui met en jeu des stratégies de marquage des actants différentes selon leur valeur sémantico-référentielle, comprend des phénomènes de diathèse, de voix et d’alignement ; elle est particulièrement riche, et complexe. Notre thèse vise à contribuer à l’enrichissement de la linguistique générale, en apportant un éclairage nouveau sur la complexité des langues algonquiennes. Nous espérons que le modèle que nous proposons, en rupture avec la tradition algonquiniste, mais dans la continuité de travaux plus récents, aura permis, à travers une approche nouvelle, globale et compréhensive, de résoudre certaines apories et de combler certaines lacunes dans la description de ces langues.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
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".