MétaCan
Menu
Retour à la cohorte
Enregistrement W2128642135 · doi:10.1177/105065190001400402

Walking a Fine Line

2000· article· en· W2128642135 sur OpenAlexaff
Catherine F. Schryer

Notice bibliographique

RevueJournal of Business and Technical Communication · 2000
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueDiscourse Analysis in Language Studies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésImprovisationSet (abstract data type)SocializationAction (physics)Relation (database)Space (punctuation)SituatedFunction (biology)Value (mathematics)SociologySocial relationSociocultural evolutionLinguisticsPsychologyComputer scienceSocial psychologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This limited case study examines the situated-language practices associated with the production of negative letters in an insurance company. Using genre and sociocultural theories, the study combines textual analyses of a set of negative letters together with writers’ accounts of producing these letters to identify effective (as defined by the company) strategies for composing this correspondence. These letters are examples of generic action, and they demonstrate that genres function as constellations of regulated, improvisational strategies triggered by the interaction between individual socialization and an organization. Moreover, these constellations of resources express a particular chronotopic relation to space and time, and this relation is always axiological or value oriented. In other words, genres express space/time relations that reflect current social beliefs regarding the placement and actions of human individuals in space and time. The article identifies some of the strategies that characterize effective negative messages in this organization. It also critiques this text type for enacting a set of practices and related chronotopic orientation that are against the interests of its readers and writers.

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)0,004
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: aucune
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,103

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0120,004
Communication savante0,0030,003
Science ouverte0,0010,003
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0310,007

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 Opus0,027
Tête enseignante GPT0,275
Écart entre enseignants0,248 · 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

Citations70
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Business and Technical CommunicationMême sujetDiscourse Analysis in Language StudiesTravaux en français237 207