MétaCan
Menu
Retour à la cohorte
Enregistrement W2069046433 · doi:10.1080/00210862.2014.913423

On Language Distribution in Ilam Province, Iran

2014· article· en· W2069046433 sur OpenAlexaff
Mohammad Aliakbari, Mojtaba Gheitasi, Erik Anonby

Notice bibliographique

RevueIranian Studies · 2014
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLanguage, Linguistics, Cultural Analysis
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésDistribution (mathematics)GeographyEthnic groupMultilingualismLinguisticsArabicLocal languageHistorySociologyComputer scienceAnthropologyMathematics

Résumé

récupéré en direct d'OpenAlex

As is still the case in many parts of Iran, the distribution of languages and dialects in Ilam Province, western Iran, is unevenly documented. There have been several studies on specific language varieties spoken throughout the province but, in large part because of conflicting perspectives on the relationship between language and ethnicity, the situation for the region as a whole has until now remained unclear. The present study first of all brings together existing sociolinguistic and demographic data on language distribution and highlight areas of uncertainty. The main part of the study provides an overview of local perceptions of language distribution and language use based on field research and interviews conducted in each of the province's ten regions ( shahrestān ) and their twenty-five districts ( bakhsh ). Here, respondents' assessments of the geographic extent of the province's four main languages—Kurdish, Luri, Laki and Arabic—as well as more minor languages spoken by immigrants from elsewhere in Iran are summarized. For Kurdish in particular, which is the major of the four languages, the article shows the perceived geographic distribution of each major dialect and its affiliation within one of two major Kurdish dialect groups: Ilāmi (or “Feyli”) and Kalhōri. This analysis is followed by a brief discussion of multilingualism. The results of the study are brought together in a map of the province's languages.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,086
Score d'incertitude au seuil0,171

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
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 Opus0,032
Tête enseignante GPT0,268
Écart entre enseignants0,236 · 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

Citations21
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIranian StudiesMême sujetLanguage, Linguistics, Cultural AnalysisTravaux en français237 207