MétaCan
Menu
Retour à la cohorte
Enregistrement W2078261422 · doi:10.1075/lplp.35.1.01dro

Serbo-Croatian

2011· article· en· W2078261422 sur OpenAlexaff
Vedran Dronjic

Notice bibliographique

RevueLanguage Problems & Language Planning · 2011
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLinguistics, Language Diversity, and Identity
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMacedonianLinguisticsBulgarianSlavic languagesCroatianMandarin ChineseSociologyConversationConstruct (python library)Language policySociology of languageLingua francaStandard languageComprehension approachComputer scienceNatural languagePhilosophy

Résumé

récupéré en direct d'OpenAlex

Utilizing Kloss’s concept of Ausbausprache (language as a sociopolitical construct), this article adopts the view that many languages in the world owe their language status to non-linguistic factors such as their speakers’ ethnic, cultural, and political affiliations, as well as language policy. It is thus possible that individuals who can readily understand each other in everyday conversation (such as two individuals living on either side of the Macedonian/Bulgarian border) can be deemed to speak different languages, while those who cannot understand each other at all (such as speakers of Shanghainese and Mandarin) can be widely perceived as speakers of the same language. This article is an account of how the South Slavic language formerly known as Serbo-Croatian came to be conceived of as a single, unified language due to a number of non-linguistic factors, and how it ceased to be considered a language once these non-linguistic factors were no longer present. Thus, apart from being a case study of how one particular European language was born and how it died without any significant change in linguistic reality on the ground, the present article serves to reinforce the theoretical notion of Ausbausprache as a crucial concept for defining what a language is.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,029

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
Bibliométrie0,0010,000
Études des sciences et des technologies0,0030,003
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 GPT0,235
Écart entre enseignants0,179 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLanguage Problems & Language PlanningMême sujetLinguistics, Language Diversity, and IdentityTravaux en français237 207