MétaCan
Menu
Retour à la cohorte
Enregistrement W1651687470 · doi:10.5539/res.v7n11p292

Evaluative Language in English Job Advertisements in Diachronic Perspective

2015· article· en· W1651687470 sur OpenAlexvenueno aff
Larisa Kochetova, Olga Ivanovna Volodchenkova

Notice bibliographique

RevueReview of European Studies · 2015
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueDiscourse Analysis in Language Studies
Établissements canadiensnon disponible
Organismes subventionnairesRussian Humanitarian Foundation
Mots-clésNewspaperPerspective (graphical)LinguisticsPeriod (music)Subject (documents)Corpus linguisticsVariation (astronomy)PsychologySociologyComputer scienceMedia studiesArtificial intelligenceArtAesthetics

Résumé

récupéré en direct d'OpenAlex

The received view has it that genres are subject to historical changes with respect to their functional and language features. The purpose of this article is to examine changes in the evaluation language employed in the genre of British job advertisement, in this way revealing shifts and developments in this type of discourse practice. Drawing on evidence from the corpus of job advertisements published in the Times, the national British newspaper, in the period between 1896 and 2006, this paper proposes an analysis of evaluative language usage in three collections of job advertisements from late nineteenth, middle twentieth centuries, and the 2000s. The regularities present in the data were calculated manually for every period under consideration. The comparative analysis of the data obtained for each of the synchronic layers introduces diachronic perspective into the study by revealing changes in evaluative language throughout the periods as they are reflected in an average ratio of adjectives per text, distribution of evaluative and descriptive adjectives, frequency of the entities evaluated and semantic variation of the adjectives used to evaluate entities. The aim of the study is to understand the changing role of evaluation in the genre, the way evaluative adjectives work, the role they play in persuading the applicant.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,827
Score d'incertitude au seuil0,566

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,077
Tête enseignante GPT0,381
Écart entre enseignants0,304 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of European StudiesMême sujetDiscourse Analysis in Language StudiesTravaux en français237 207