Notice bibliographique
Résumé
How do you collect data? This chapter will outline tried-and-true data collection techniques. The most fundamental challenge for sociolinguistic research is how to obtain appropriate linguistic data to analyse. But how do you actually do it? The best exemplars that exist – Labov (1972a), Milroy (1987) and Sankoff (1973, 1974) – were written in the 1960s and 1970s. Detailed individual accounts are rarely published, except in dissertation methodology chapters. Some of most memorable fieldwork tips I ever received were from chatting to sociolinguists at conferences (see also Feagin 2002: 37). In fact, fieldwork methods may be the best-kept secret of sociolinguistics. In this chapter, you will learn everything I know about how to collect data. THE BASICS The very first task is to design a sample that addresses ‘the relationship between research design and research objectives’ (Milroy 1987: 18, Milroy and Gordon 2003: 24). At the outset, a sociolinguistic project must have (at least) two parts: 1) a (socio)linguistic problem and 2) appropriate data to address it. Perhaps the consensus on good practice in this regard is to base one's sampling procedure on ‘specifiable and defensible principles’ (Chambers 2003: 46). The question is: What are these, and how to apply them? DATA COLLECTION According to Sankoff, the need for good data imposes three different kinds of decisions about data collection on the researcher: a) choosing what data to collect; b) stratifying the sample; and c) deciding on how much data to collect from how many speakers.
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 | 0,031 | 0,069 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,005 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,106 | 0,072 |
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 ».