SMS Communication: A Linguistic Approach
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
1. Foreword (by Crystal, David) 2. Introduction (by Cougnon, Louise-Amelie) 3. Articles 4. Seek&Hide: Anonymising a French SMS corpus using natural language processing techniques (by Accorsi, Pierre) 5. SMS experience and textisms in young adolescents: Presentation of a longitudinally collected corpus (by Bernicot, Josie) 6. Automatic or Controlled Writing?: The Effect of a Dual Task on SMS Writing in Novice and Expert Adolescents (by Combes, Celine) 7. Development of SMS language from 2000 to 2010: A comparison of two corpora (by Kirsten-Torrado, Ursula) 8. Texto4Science: A Quebec French database of annotated text messages (by Langlais, Philippe) 9. SMS communication as plurilingual communication: Hybrid language use as a challenge for classical code-switching categories (by Morel, Etienne) 10. French text messages: From SMS data collection to preliminary analysis (by Panckhurst, Rachel) 11. A sociolinguistic analysis of transnational SMS practices: Non-elite multilingualism, grassroots literacy and social agency among migrant populations in Barcelona (by Sabate Dalmau, Maria) 12. Negation marking in French text messages (by Stark, Elisabeth) 13. i didn't spel that wrong did i. Oops: Analysis and normalisation of SMS spelling variation (by Tagg, Caroline) 14. Lol, mdr and ptdr: An inclusive and gradual approach to discourse markers (by Uygur-Distexhe, Deniz) 15. Index
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,005 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 découle