MétaCan
Menu
Retour à la cohorte
Enregistrement W2161827058 · doi:10.5539/ijel.v4n4p74

Actual Behaviors of Newly Observed Phraseological Units Comprising Two Prepositions

2014· article· en· W2161827058 sur OpenAlexvenueno aff
Ai Inoue

Notice bibliographique

RevueInternational Journal of English Linguistics · 2014
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLexicography and Language Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAdverbialPolysemyLinguisticsComputer sciencePerspective (graphical)Word (group theory)Stress (linguistics)Natural language processingArtificial intelligencePhilosophy

Résumé

récupéré en direct d'OpenAlex

This paper describes, from a phraseological perspective, phrases created by combining two prepositions into a complex preposition (CP), defined as a word group that functions as a single preposition; for example, into, within, and upon. In particular, this work focuses on the newly observed CPs on against and in to and proposes that be on against and be in to are newly observed phraseological units in contemporary English, which have not yet been described in previous research or English dictionaries. A recent trend in English is to combine two prepositions into new CPs such as in at, and in for. In particular, two adverbial particles in and on co-occur with various prepositions and help establish new CPs. For example, MED2 (Macmillan English Dictionary, 2nd edition) lists new CPs such as in at, in for, in on, on about, and on at. Data obtained from corpora of present-day English show that on against and in to mainly co-occur with be verbs, and be on against and be in to are also observed. However, an extensive literature review shows that previous research and English dictionaries do not address this trend. This research describes their polysemy in different contexts, their functions, formations, and stress patterns.

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)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,005
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,051
Tête enseignante GPT0,287
Écart entre enseignants0,236 · 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'étudeObservationnel
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

Citations4
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of English LinguisticsMême sujetLexicography and Language StudiesTravaux en français237 207