“Like, Pasta, Pizza and Stuff” – New Trends in Online Food Discourse
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
This paper examines two examples of online food discourse to illustrate how the medium changes parameters established in print recipes: food blogs for written and Skype talks for oral computer-mediated discourse about food. The language of food blogs will be analysed with the help of examples from the Food Blog Corpus (Diemer and Frobenius 2011), i compiled at Saarland University, Saarbrücken, Germany. This corpus includes 100 blog posts in total from The Times Online. Skype conversations about food between non-native speakers of English are taken from CASE, the Corpus of Academic Spoken English (Diemer et al. forthcoming), ii also compiled at Saarland University, Saarbrücken, Germany. For the purpose of this analysis, a subcorpus of food-related conversations was extracted, containing seven conversations (5.5h) between 14 German and Italian participants in total. The two corpora were examined in terms of contextualisation (reference to place, time, and personal background), register (audience, and linguistic features), as well as personal opinions and lifestyle comments. The paper suggests that both discourse types make use of the multimodal online environment and add evaluative content, for example integrating positively connoted terms to describe food-related issues. The paper also illustrates possible trends towards an increasing inclusion of non-expert language features, such as vagueness and a reduction of presuppositions, and of cultural and personal references, integrating individual background information.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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