Corpus planning and codification in the Hebrew Revival
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
The study of the unprecedented revival of Hebrew in (pre-Israel) Palestine (approx. 1890–1914) has focused on the status of the language, because the revival has been rightly viewed as resulting from status planning. However, corpus planning, or codification, also served as a critical component of the Revival. Though Hebrew had been used for almost two millennia in written form, mainly as a language of religion, codification was needed in several areas — selection and harmonization of pronunciation, unification of spelling, etc. Still, the greatest task was adapting the language lexically to the modern world. Codification went on in Hebrew, in fact, for over a millennium by generations of writers and translators of various types of texts, culminating in the formation of a modern literature, probably the most instrumental factor enabling the Revival. Lexicalization in the Revival itself was partly done by the Hebrew Language Committee, but mostly by individuals. Ben-Yehuda drew words from old texts and created his own as a scholarly activity and to meet his lexical needs as a newspaper publisher and the first Hebrew dictionary compiler. Others included the writer and journalist Ben-Avi and the national poet Bialik, who drew words from earlier texts or created their own only when they needed them. Other individuals coined countless words to meet their communication needs — writers, journalists, educators, translators, publishers, editors, and language-conscious political leaders. Apart from drawing words from old texts with their original or new meanings, methods included: coining new words from old roots; using old, dormant words as different parts of speech; reducing expressions into single words; borrowing; loan translation; popular etymology; adding prefixes, suffixes or infixes to existing words; and merging pairs of words into single ones.
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 | 0,001 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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