A Systemic Functional Analysis on Discourse Marker—“Honest Phrases”
Notice bibliographique
Résumé
Discourse marker is one of the most important research topics in recent years. Many researchers from home and abroad have explored it from various perspectives, including the perspective of discourse coherence; the perspective of syntax-pragmatics; the perspective of cognitive pragmatics and the perspective of metapragmatics. At the same time researchers at home mainly make specific analysis on certain discourse markers in terms of their pragmatic function. Besides, Systemic Functional Linguistics is a branch of Functional Linguistics, being further divided into systemic grammar and functional grammar. Systemic grammar regards language as a system network or meaning potential to explain; while functional grammar intends to prove language is a social interaction manner, emphasizing the function of language. However, at present a few researchers have combined the two fields to study together. Based on the fact and the above theoretical foundation, the paper introduces discourse marker to a broader category and studies it in a new perspective. The paper selects “Honest Phrases” in two different communication interaction—daily conversation and police interrogation to analyze discourse marker-“Honest Phrases” using three metafunctions in Systemic Functional Linguistics, aiming to explore its multifunctional mechanism in discourse from perspectives of ideational metafunction, interpersonal metafunction and textual metafunction so as to make up the shortage of the former study perspectives of “Honest Phrases” and to help people understand it deeply.
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 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 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».