MétaCan
Menu
Retour à la cohorte
Enregistrement W2125965489 · doi:10.5539/jsd.v8n5p40

Changes of Connotation in Borrowings

2015· article· en· W2125965489 sur OpenAlexvenueno aff
Svetlana Takhtarova, Farida Shigapova

Notice bibliographique

RevueJournal of Sustainable Development · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSwearing, Euphemism, Multilingualism
Établissements canadiensnon disponible
Organismes subventionnairesKazan Federal University
Mots-clésLinguisticsConnotationFunctionalism (philosophy of mind)Context (archaeology)SociologyHistoryEpistemologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

The relevance of the article is justified by the fact that answering the question on typical ways of expressing connotation in borrowed words and their connection with the history and ethnos development the presented article fills the research gap in linguistics. The objective of the article is to summarize the comparative study of semantic (primarily connotative) evolution of two words ‘orda’ (Mongolian ‘ordu’ Knan’s palace, headquarters) – ‘ulus’ borrowed from Mongolian. The principal method of the research involves semantic context analysis. The analysis consists of 3 stages. At the first stage the semantic analysis of the words in Russian National Corpus, precedent texts (proverbs, idioms, popular quotations etc.) and modern Russian dictionaries reveals the fixed connotations in the language and brings out stereotypical images in the Russian culture. The second stage focuses on Russians’ individual perceptions of the words and summarizes the results of an associative experiment – respondents’ reactions to the stimulus ‘orda’, ‘ulus’. Thirdly, the semantic network analysis of the words performed on modern social media texts (chats and forums) reveals the typical semantic context of the words represented by collocations. Based on the principles of explanation, expansionism, functionalism and anthropocentrism as the main principles of modern linguistics paradigm the article might be of interest to linguists pursing research in semantics, students majoring in Linguistics and Cultural studies and teachers of Russian.

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)0,002
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,006
Communication savante0,0040,006
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,043
Tête enseignante GPT0,329
Écart entre enseignants0,286 · 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'étudeQualitatif
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

Citations1
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable DevelopmentMême sujetSwearing, Euphemism, MultilingualismTravaux en français237 207