MétaCan
Menu
Retour à la cohorte
Enregistrement W2339623509 · doi:10.1017/s0959269516000065

Linguistic convergence/divergence or degree of bilingualism?

2016· article· en· W2339623509 sur OpenAlexaboutno aff
Annie Tremblay

Notice bibliographique

RevueJournal of French Language Studies · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLinguistic Variation and Morphology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDivergence (linguistics)LinguisticsNeuroscience of multilingualismConvergence (economics)SociologyPerspective (graphical)Spoken languageHistoryMathematicsPhilosophy

Résumé

récupéré en direct d'OpenAlex

In their article, Mougeon, Hallion, Bigot, and Papen attempt to explain the similarities and differences among four varieties of Canadian French spoken outside Quebec (and New Brunswick) in the use of the restriction formsrien que, juste, seulement (que), andne . . . que. Mougeon and colleagues focused on the French varieties spoken in Welland (Ontario), Saint-Boniface (Manitoba), Saint-Laurent (i.e., Mitchif French, Manitoba) and Bonnyville (Alberta) (see also Nadasdi & Keppie 2004). Using a variationist sociolinguistic framework, they examined the effect of linguistic and extralinguistic factors on speakers’ use of the aforementioned restriction forms, and compared their results to those reported in previous studies of the French varieties spoken in Montreal (Quebec) (Massicotte 1984, 1986; Thibault & Daveluy 1989) and in Hawkesbury, Cornwall, Northbay, and Pembroke (Ontario) (Rehner & Mougeon 1998). Based on their results, Mougeon and colleagues made hypotheses regarding linguistic convergence/divergence and raise relevant questions for future research. In this commentary, I briefly assess some of the contributions made by this research from a psycholinguistic perspective. In doing so, I raise additional questions concerning the source of the effects reported in the study.

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)0,006
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0010,002
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,091
Tête enseignante GPT0,392
Écart entre enseignants0,300 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of French Language StudiesMême sujetLinguistic Variation and MorphologyTravaux en français237 207