“Like, Pasta, Pizza and Stuff” – New Trends in Online Food Discourse
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,012 |
| Communication savante | 0,007 | 0,012 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».