Metaphors as cognitive models in Halkomelem color adjectives
Notice bibliographique
Résumé
Halkomelem is a Central Salish language of the Pacific Northwest with dialects of Upriver, Downriver, and Island. Color terms are adjectival verbs in Upriver Halkomelem, used syntactically and cognitively as both verbs and adjectives. Fieldwork with Munsell chips reveals that speakers of Upriver Halkomelem use a variety of strategies to name shades of color. Galloway 1992 reported on the use of aspect inflection to name the shades; thus color term roots are inflected for stative (be red), inceptive (get red, turn red), and these can be combined with continuative aspect (being red, getting/tuming red, getting in a state of red) and even with diminutives (a little red, getting/tuming a little red). There is one augmentative affix but adverbs like ‘very’ and ‘real’ are preposed by certain speakers to express some shades. Color adjectives, with or without adverbs and affixes, may be used sentence-initially as verbs or may be preposed to nouns within noun phrases. It seems, then, that different speakers use distinct metaphorical cognitive models in creating these terms. All speakers share the metaphorical model that COLORS ARE PROCESSES. This cognitive model allows further metaphors to be applied, for example, INCREASING SATURATION & BRIGHTNESS ARE CONTINUATIVES. Another metaphorical model is seen with the diminutive: DECREASING SATURATION & BRIGHTNESS ARE DIMINISHING IN SIZE OR AMOUNT. These last two mental models are coherent with each other and, therefore, can be used together. There are also adjectives meaning ‘light’ and ‘dark’ which some speakers use with color terms, and some use two basic color terms together to express variations in hue (like blue-green in English). Investigation continues into whether there are submodels ofmodifiers used to express variations in saturation independently from those in brightness. In Upriver Halkomelem, thinking of color in terms of culturally sanctioned metaphors is a convention that exceeds mere application of linguistic form to unprocessed color perception. Communicative subtlety depends on them.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,014 |
| Communication savante | 0,005 | 0,009 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».