MétaCan
Menu
Retour à la cohorte
Enregistrement W2506988217 · doi:10.1057/9780230241664_9

Dialect Use and Discursive Identities of Migrants from the West in Eastern Germany

2009· book-chapter· en· W2506988217 sur OpenAlexaff
Jennifer Dailey-O’Cain, Grit Liebscher

Notice bibliographique

RevuePalgrave Macmillan UK eBooks · 2009
Typebook-chapter
Langueen
DomaineArts and Humanities
ThématiqueLinguistic research and analysis
Établissements canadiensUniversity of WaterlooUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésGermanContext (archaeology)Identity (music)SociologyPoliticsLinguisticsGender studiesHistoryAestheticsPolitical scienceArtLawPhilosophy

Résumé

récupéré en direct d'OpenAlex

This chapter 1 investigates the connection between dialect use, identity and migration in the German context. In particular, we are concerned with the ways in which individuals from western Germany 2 who moved to the eastern German region of Saxony after the fall of the Berlin Wall in 1989 use the Saxon dialect — which they hear on a daily basis in their everyday surroundings — to make various aspects of their selves and others relevant in the interaction. The process of doing this is also one of relating their individual identities to social categories that are present in their environment. In our analysis, we look specifically at the ways in which these people use the local dialect of their new surroundings -often with other linguistic material — in order to draw attention to the relationship between existing social categories and identities. In contrast with many of the other chapters in this volume, this approach can be characterized as a focus on the ‘lower-case d discourse’ analysis of the German language in interaction, rather than an analysis of the ‘capital D discourses’ which are concerned with the social and political processes that shape the production of German texts (Gee [1999] 2005; see also Cerná, Carl and Stevenson, Horner, this volume). These keywords were added by machine and not by the authors. This process is experimental and the keywords may be updated as the learning algorithm improves.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,044
Tête enseignante GPT0,246
Écart entre enseignants0,202 · 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'étudeQualitatif
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePalgrave Macmillan UK eBooksMême sujetLinguistic research and analysisTravaux en français237 207