Search

International audience; Meaningless computer generated scientific texts can be used in several ways. For example, they have allowed Ike Antkare to become one of the most highly cited scientists of the modern world. Such fake publications are also appearing in real scientific conferences and, as a result, in the bibliographic services (Scopus, ISI-Web of Knowledge, Google Scholar,...). Recently, more than 120 papers have been withdrawn from subscription databases of two high-profile publishers, IEEE and Springer, because they were computer generated thanks to the SCIgen software. This software, based on a Probabilistic Context Free Grammar (PCFG), was designed to randomly generate computer science research papers. Together with PCFG, Markov Chains (MC) are the mains ways to generated Meaningless texts. This paper presents the mains characteristic of texts generated by PCFG and MC. For the time being, PCFG generators are quite easy to spot by an automatic way, using intertextual distance combined with automatic clustering, because these generators are behaving like authors with specifics features such as a very low vocabulary richness and unusual sentence structures. This shows that quantitative tools are effective to characterize originality (or banality) of authors' language.

Avec la collaboration de : Antoine Bevort, Christophe Cardot, Marina Casula, Thierry Choffat, Gilles Henry, Régis Matuszewicz, François Paccou, Pascal Pons, Aurélie Rey, Jean-Yves Sabot, Benoît Verrier; Synthèse de 10 rapports de recherche portant sur diverses organisations CGT, CFDT, FO, UNSA, SUD et sur l'ensemble des résultats électoraux des syndicats français. Les deux premières parties décrivent la situation actuelle des organisations et discutent les déclarations officielles ou officieuses concernant leurs effectifs. La troisième partie établit les effectifs et les taux de syndicalisation probables en utilisant les données connues et les audiences électorales dans les différentes branches économiques. La quatrième partie dresse la sociologie des syndiqués et des syndicalistes. Il apparaît que la désyndicalisation se poursuit à un rythme ralenti - environ 7,5% des salariés français sont syndiqués - et que les adhérents se recrutent plutôt chez les hommes qualifiés et relativement âgés.Ouvrage à paraître aux éditions "Liaisons sociales" en novembre 2007. Une version préliminaire peut être obtenue auprès des auteurs

International audience

Dans le sillage des événements sociaux de 1995, on observe un timide renouveau de la recherche sur le syndicalisme. Si les a priori idéologiques sur la classe ouvrière ont disparu, d'autres aspects viennent au premier plan : - l'audience et l'implantation syndicales : la syndicalisation en France (D. Labbé) ; la CGT face aux restructurations (Gilles Nezosi) ; la resyndicalisation à la CFDT (D. Andolfatto) ; le « national-syndicalisme » (Thierry Choffat). - Organisations et sélection des dirigeants : FO-métallurgie (Jean-Yves Sabot) ; CGT métaux (Laurent Olivier) ; la « professionnalité » militante (Jean-Charles Basson).- l'action et le discours : les syndicats et les comités d'entreprise (Christian Dufour) ; la négociation des plans sociaux (Thierry Colin) ; syndicalisme et conflits sociaux (Daniel Furjot), le discours de Nicole Notat (France Duval). Une approche pluridisciplinaire est privilégiée. Elle croise les regards de la science politique, de l'économie, du droit, des sciences de la communication, avec le souci d'éviter les propos trop théoriques et de privilégier les travaux précis, les enquêtes de terrain, les synthèses partielles et prudentes.

The argument which is developed here starts from the computation of the probability that a word will be absent from an exhaustive random sample drawn from a corpus whose complete frequency distribution is known. This probability is the basis of the formula put forward, more than 20 years ago, by C. Muller. Muller's formula is compared here to its equivalent in the hypergeometric model. Two studies were carried out: first the computation of vocabulary increase in corpuses and, secondly, the comparison between Muller's values and averages obtained by drawing a large number of random samples from several corpuses. It is thus demonstrated that this formula is a good approximation of the hypergeometric law. The need for associating standard deviations to the computed values is also emphasised since confidence levels have to be taken into account.; Le raisonnement part de l'estimation de la probabilité d'absence d'un vocable dans un échantillon exhaustif prélevé dans un corpus, connaissant la distribution des fréquences des vocables qui constituent ce corpus. C'est la formule qui a été proposée il y a plus de vingt ans par Charles Muller et qui est ici comparée avec la loi hypergéométrique. Deux applications sont examinées : le calcul de l'accroissement du vocabulaire dans des corpus et le prélèvement aléatoire d'un grand nombre d'échantillons exhaustifs sur ces corpus. On démontre ainsi, théoriquement et empiriquement, que la formule de Muller représente une bonne approximation de la loi hypergéométrique. On montre également la nécessité d'associer aux valeurs calculées un écart type qui permettra d'estimer l'intervalle de confiance attaché aux valeurs obtenues grâce à cette formule de Muller.

The model proposed here is used to describe the vocabulary of a corpus. It is divided into two groups : general vocabulary which is used whatever the circumstances and several local (or 'specialised') vocabularies, each of which is used in only one part of the corpus, General words may appear everywhere in the text and their increase with corpus size can be estimated with Muller's formula. In this model, a partition parameter measures the relative importance of both types of vocabularies: so the value of this parameter gives an estimation of the lexical 'specialisation' in the text. This model has been applied to Racine's plays and TV debates (Giscard vs Mitterrand, Chirac vs Fabius). The partition model can also be used to measure the increase of vocabulary with corpus length, to locate stylistic changes or to compare several texts from the point of view of their lexical richness.; On propose ici un modèle de description du vocabulaire employé dans un corpus ; il est partagé en deux groupes : un vocabulaire général employé quelles que soient les circonstances et des vocabulaires locaux (ou "spécialisés") dont chacun est mobilisé dans une partie seulement du corpus. Les vocables généraux peuvent apparaître en n'importe quel point du texte et leur accroissement, en fonction de la taille du corpus, peut être estimé grâce à la formule de Muller. Dans le modèle, un paramètre de partition estime le poids relatif des deux vocabulaires : la valeur de ce paramètre donne donc une estimation de la spécialisation lexicale à l'œuvre dans le corpus. Des applications de ce modèle sont conduites sur l'œuvre de Racine et sur des débats télévisés (Giscard-Mitterrand et Chirac-Fabius), Le modèle de partition peut être également utilisé pour calculer l'accroissement du vocabulaire dans un corpus, pour y localiser des variations stylistiques ou pour comparer pusieurs textes du point de vue de leur "richesse de vocabulaire".