Changes of Connotation in Borrowings
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
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.
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 | 0,004 | 0,002 |
| 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