Notice bibliographique
Résumé
A man's foes, it has been said, are those of his own household. Comparative Philology has suffered as much from its friends as from its opponents. (Sayce 1874–5:5) Introduction Scholars appear to agree that a successful demonstration of linguistic kinship depends on adequate methods. Unfortunately, there is disagreement and confusion concerning what these methods are, and hence discussions of methodology frequently assume a central role in considerations of possible remote relationships. Given this state of affairs, it is important to appraise the various methodological principles, criteria, and rules of thumb, as well as pitfalls, relevant to investigating distant genetic relationships. That is the goal of this chapter. We provide guidelines for both framing and testing proposals of distant linguistic kinship, and we point out the frequent errors that need to be avoided. (In Chapter 9 we evaluate several of the more prominent hypothesized distant genetic relationships on the basis of the methods surveyed here.) In practice, the successful methods for establishing distant linguistic affinity have not been different from those used to validate any family relationship, whether close or distant. The comparative method has always been the primary tool for establishing these relationships. Because the methods for investigating potential distant genetic relationships are not essentially different from those utilized to work out the history and classification of more closely related languages, this has resulted in a continuum from established and non-controversial families (e.g. Austronesian, Bantu, Indo-European, Finno-Ugric, Mayan), to more distant but solidly demonstrated relationships (e.g. Uralic, Siouan-Catawban, Benue-Congo), to plausible but inconclusive proposals (e.g. Indo-Uralic, Proto-Australian, Macro-Mayan, Niger-Congo), to doubtful but not implausible ones (e.g. Altaic, Austro-Tai, Eskimo–Uralic, Nilo-Saharan), and on to virtually impossible proposals (e.g. Basque–Na-Dene, Indo–Pacific, Mayan–Turkic, Miwok–Uralic, Niger–Saharan, and so on).
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,033 | 0,078 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,020 |
| Communication savante | 0,010 | 0,016 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,074 | 0,013 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».