A Comparative Study on Basic Emotion Conceptual Metaphors in English and Persian Literary Texts
Notice bibliographique
Résumé
Metaphor becomes the subject of interest for many researchers in recent decades. The main purpose of the present study was to investigate the universality of emotion metaphorical conceptualization and the dominant pattern in English and Persian based on Kovecses’s (2003) model for Linguistic expression of Metaphor. The emotions under study were happiness, anger, sadness, fear, and love. Lakoff and Johnson’s (1980) Conceptual Metaphor Theory was adopted as a model for the purpose of comparison. To do so, 782 emotive metaphorical expressions were compiled from different literary works and related articles on the field and Dictionaries in both languages. The study was conducted through two main phases of categorization and comparison. First expressions were categorized under their general and specific target and source domains. At the second phase, in each category, metaphorical expressions were compared with based on their conceptual metaphor and literal meaning. At this phase, three patterns of totally the same, partially the same, and totally different were identified. Also the results of Chi-Square applied to these three patterns demonstrate that anger ( = 108.85, P<0/000) was the most universal emotion, whereas sadness ( = 31.40, P< 0/000) was the least universal emotion during this study. In addition, the dominant pattern at the end of analysis was the pattern of totally the same.
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 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».