MétaCan
Menu
Retour à la cohorte
Enregistrement W2053116124 · doi:10.1215/00031283-79-3-250

REAL AND APPARENT TIME IN LANGUAGE CHANGE: LATE ADOPTION OF CHANGES IN MONTREAL ENGLISH

2004· article· en· W2053116124 sur OpenAlexaboutno aff
Charles Boberg

Notice bibliographique

RevueAmerican Speech · 2004
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLinguistic Variation and Morphology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLanguage changeVariation (astronomy)Grading (engineering)LinguisticsPsychology

Résumé

récupéré en direct d'OpenAlex

Linguists often rely on synchronic generational differences in language to supply evidence of language change in progress in “apparent time,”yet this approach must always be evaluated against the possibility that such differences reflect change over speakers' lifetimes (“age grading”), rather than language change. The present paper compares apparent-time data on Montreal English with “real-time” data from earlier studies of the same community, in order to test the assumptions of the apparent-time model. The comparison reveals that, while some age-correlated lexical variables show stability over speakers' lifetimes, clearly suggesting ongoing change, others show changes in progress combined with change over speakers' lifetimes. However, the nature of individual change is generally found to be not the rejection of new variants by older speakers associated with the age-grading model, but late adoption of new variants by adults who learned older variants as children. Most postacquisition change therefore accelerates rather than retards change in progress. Evidence from two phonological variables suggests that late adoption is most characteristic of lexical variation. In any case, the possibility of late adoption implies that an accurate view of language change only emerges when both apparent- and real-time data are examined.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,854
Score d'incertitude au seuil0,291

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,014
Tête enseignante GPT0,295
Écart entre enseignants0,281 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations117
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican SpeechMême sujetLinguistic Variation and MorphologyTravaux en français237 207