Bibliographic record
Abstract
Ce mémoire propose d’observer l’évolution et le traitement du mot « nègre » par le discours lexicographique en langue française d’une façon à la fois synchronique et diachronique. Il s’inscrit dans le sillage des travaux en métalexicographie portant sur les représentations idéologiques dans les dictionnaires. Sur un corpus qui s’échelonne du XVIIe siècle au XXe siècle, composé de dictionnaires de langue et de dictionnaires encyclopédiques, cette étude vise à examiner tant les usages du mot « nègre » que les représentations de celui que l’on appelle ainsi. En étudiant le social à travers le prisme de la langue, celle-ci permet de démontrer comment certains dictionnaires échappent au discours hégémonique et racial sur les personnes noires et, surtout, comment la grande majorité d’entre eux y participe. La recherche présente d’abord une synthèse des théories en métalexicographie sur la constitution de normes et de représentations par les dictionnaires. Elle propose ensuite de reconsidérer l’étymologie du mot « nègre ». Après les premières attestations du mot « nègre » dans les dictionnaires français au XVIIe siècle, l’analyse des dictionnaires se poursuit sur trois siècles : ceux du XVIIIe siècle ont d’abord tendance à justifier l’esclavage, avant de s’imprégner des doctrines abolitionnistes ; ceux du siècle suivant sont profondément marqués par le racisme scientifique ; ceux du XXe siècle montrent une mise à distance progressive vis-à-vis du discours racial. L’analyse se termine par l’étude du mot « nègre » sur un corpus de dictionnaires québécois tiré du XXe siècle. La dimension métalexicographique et sociohistorique de cette étude permet d’exemplifier le lien étroit entre la langue et les représentations du monde. Bien plus qu’un compte-rendu, ce mémoire permet, en fin de compte, une réflexion sur la pertinence et sur l’éthique de ces catégories aussi bien linguistiques que sociales
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 | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.006 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.012 | 0.002 |
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".