MétaCan
Menu
Retour à la cohorte
Enregistrement W2057636033 · doi:10.7202/004140ar

Abstract Writing: English-Speaking Countries vs. Greece

2002· article· en· W2057636033 sur OpenAlexvenueno aff
Maria Sidiropoulou

Notice bibliographique

RevueMeta Journal des traducteurs · 2002
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueDiscourse Analysis in Language Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPolitenessVariation (astronomy)Audience measurementLinguisticsSelection (genetic algorithm)PsychologyEquivalence (formal languages)SociologyPolitical sciencePhilosophyComputer science

Résumé

récupéré en direct d'OpenAlex

Cross-cultural variation in written discourse has attracted less attention than similar variation in oral communication, although such studies are useful in quite a few areas of application, especially translation. The article intends to investigate tendencies in abstract writing between researchers from English-speaking countries and Greece. The data come from the Proceedings of the 9th World Congress of Applied Linguistics held at Thessaloniki-Halkidiki, Greece, in April 1990. Abstracts by Greek researchers are mostly written in English; it is assumed that internalized mother tongue preferences by Greek will be reflected in their writing in English. A sample of 100 abstracts is examined with respect to the authors' intentions in writing them and their attitude towards the readership. The frameworks assumed are B. Grosz and C. Sidner's theory of discourse structure (1985), P. Brown and S. Levinson's interactional model (1987) and B. Hatim and I. Mason's approach to translation (1990). The differences are of a pragmatic and communicative type: the two research groups differ in their preferences concerning the selection of discourse segments in the abstracts whereas their attitude towards the readership is described by a different positive/negative politeness pattern; no cultural group appears purely positively or negatively polite. Awareness of preferences in abstract writing facilitates both researchers and translators in achieving communicative and pragmatic equivalence in the target language.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,913
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0260,000

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 Opus0,056
Tête enseignante GPT0,263
Écart entre enseignants0,207 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations8
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMeta Journal des traducteursMême sujetDiscourse Analysis in Language StudiesTravaux en français237 207