Generic Reference in English, Arabic and Malay: A Cross Linguistic Typology and Comparison
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
According to the Longman Grammar of Spoken and Written English 1999 by Biber et al. (p. 266) generic article uses are more than twice as common in academic English than in conversation or fiction. This is an area that English for Academic Purpose (EPA) textbooks and teachers would need to target more than general English teaching. This paper is therefore a contribution towards better understanding of what linguistic facts about generics teachers and textbooks of EAP might need to cover in order to deal with them satisfactorily, particularly for learners with Arabic or Malay as L1. This paper is also significant as it is the first to compare the expression of generic meanings by noun phrases in three typologically quite different languages: the Germanic language English, the Semitic language Arabic and the Austronesian language Malay. The contrast between the three languages is substantial in that they have different settings according to the nominal mapping parameter (NMP), which captures some widespread generalizations about the occurrence of mass and countable nouns and articles in the languages of the world. As a part of a bigger project that investigates the acquisition and interpretation of generic reference by speakers of these languages, this article is descriptive and comparative in nature. The main finding is that the rules for mapping forms to generic meanings are more complex in English than in Malay or Arabic, in that English marks the difference between NP level and S level genericity and between established and non-established categories.
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 | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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