Aptness Predicts Metaphor Preference in the Lab and on the Internet
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
Experimental studies have suggested that variables such as aptness (Chiappe & Kennedy, 2001) or conventionality (Gentner & Bowdle, 2008) are predictors of people’s preference for expressing a particular topic–vehicle pair (e.g., “time–money”) as either a metaphor (“TIME IS MONEY”) or a simile (“TIME IS LIKE MONEY”). In the present study, we investigated if such variables would also be predictive within a more naturalistic context, where other variables, such as the intention to include an explanation (Roncero, Kennedy, & Smyth, 2006), may also influence people’s decision. Specifically, we investigated the production of metaphor and simile expressions on the Internet via the Google search engine and checked for accompanying explanations, as well as the properties they expressed, to examine whether ratings such as aptness, conventionality, as well as participants’ own stated preference or the intention to produce an explanation, would predict which topic–vehicle pairs appeared more often as metaphors. We found that participants’ stated preference predicted metaphor dominance on the Internet, and that apt topic–vehicles occurred more often as metaphors. The explanations collected, however, occurred 82% of the time after similes, and familiar expressions were the most explained. Finally, comparing the properties expressed in these explanations to normed property lists, we found that simile explanations typically expressed a novel conception of the topic–vehicle relationship. Therefore, we found that Internet posters use metaphors to convey an apt relationship, as found in previous laboratory studies, but prefer using a simile frame when they want to express a relationship that readers will find novel.
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 | 0,001 | 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) | 0,001 | 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