Pejorative Connotation of Proverbs and Sayings with Zoonym in the Russian, German and Tatar Languages
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 problem of the interaction of language and culture is of interest to many scientists nowadays. Proverbs and sayings are units which contain bits of folk wisdom, values and beliefs of the nation. One of the ways to study a culture is to analyze its proverbs and sayings. The aim of the study was to compare paremiological units, namely proverbs and sayings, with zoonym components of three typologically unrelated languages: Russian, German and Tatar. The article deals with proverbs and sayings with the names of domestic animals only. In the study we used such methods as descriptive, structural, interpretative, continuous sampling method and statistical method. The analysis of the selected material revealed 847 Russian, 386 German and Tatar 1634 proverbs and sayings with the domestic animal components, 20 zoonyms in total, including names of birds. The study showed that paremiological units with the names of domestic animals in some cases carry the same connotative semes, mostly pejorative, in all three languages. However, the same component of proverbs in a particular language may have the opposite meaning depending on the speech situation. Such pejorative connotative semes as [stupidity, ignorance], [idleness, laziness], [cowardice], [greed] and etc. were revealed in numerous Russian, German and Tatar proverbs and sayings. The materials of the study may be used in cultural linguistics, cognitive linguistics, cultural studies and phraseology.
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