The Monolingual Bias in Bilingualism Research, or: Why Bilingual Talk is (Still) a Challenge For Linguistics
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
For a long time, linguists found it difficult to account for the use of two or more ‘languages’ within one utterance by the same speaker. It was acknowledged of course (from the nineteenth century onwards, at the latest) that languages can ‘borrow’ structures from other languages without ever returning them to the ‘owners’ (to stick to this somewhat problematic metaphorical field). No doubt languages such as German or, even more so, English had massively copied lexical and — to a lesser extent — grammatical elements (above all derivational affixes) from other languages, such as Latin or French. However, these borrowings were exclusively analysed post factum, i.e. after they had become fully incorporated into the borrowing language. Few linguists were interested in languages whose status was unstable and ambiguous; among them was the Austrian Hugo Schuchardt who investigated ‘mixed’ languages such as creoles and Romani varieties as early as 1884 and came to the conclusion ‘dass eine Sprache A ganz allmählich, durch fortgesetzte Mischung, in eine von ihr sehr verschiedene B übergehen kann’ [‘that a language A can transform slowly but steadily, by constant mixture, into a language B which is very different from it’]. He continued on a somewhat fatalistic note: ‘Für die Beantwortung der Frage aber ob sie an einem bestimmten Entwickelungspunkt noch A oder schon B zu nennen sind, fehlte es uns gänzlich an Kriterien’ [‘However, we would lack all criteria to answer the question whether they can still be called still A or already B at a certain point of development’] (1884: 10).
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 | 0,009 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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