MétaCan
Menu
Retour à la cohorte
Enregistrement W2522969571 · doi:10.5539/ijel.v6n5p130

The Study of Polysemy in the Framework of Cognitive Semantics in Azerbaijani Turkish

2016· article· en· W2522969571 sur OpenAlexvenueno aff
Yousef Hazrati, Fateme Yousefirad, Belghis Rovshan, Mohammad Reza Ahmadkhani

Notice bibliographique

RevueInternational Journal of English Linguistics · 2016
Typearticle
Langueen
DomainePsychology
ThématiqueLanguage, Metaphor, and Cognition
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPolysemyMetonymyMetaphorLinguisticsVerbTurkishSemantics (computer science)Meaning (existential)Context (archaeology)Metaphor and metonymyPsychologyCognitive semanticsConceptual metaphorCognitionComputer scienceHistoryPhilosophy

Résumé

récupéré en direct d'OpenAlex

The aim of the present study is to investigate the role of conceptual metaphor in the polysemy of the visual verb of /baxmaq/ (look) in Azerbaijani Turkish within the framework of cognitive semantics. The research method is a descriptive—analytic and the study tries to present the various meanings of the verb. To achieve this goal, the linguistic data was gathered by using Azerbaijani Turkish dictionaries, books, magazines, newspapers, and one of the authors’ linguistic intuitions. The findings indicate that for visual verb /baxmaq/ there are 19 senses with regard to its classification and abstracting away of contextual variations. They also show that the polysemy is a systematic phenomenon and factor such as metaphor and metonymy are crucially involved in the formation and description of polysemy and this makes broad meaning and eventually leads to polysemy of verb. In this way, semantic extensive network of verb is formed and on the other hand, it is claimed that metaphor has stronger role than metonymy in the formation of polysemy and usage of verb in the different context. The findings also show that polysemy is not randomly and forms based on our experiences of different concepts and the meanings of verbs are different from each other because they are understood from different ways.

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)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,005
Communication savante0,0020,004
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,019
Tête enseignante GPT0,337
Écart entre enseignants0,317 · 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
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

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of English LinguisticsMême sujetLanguage, Metaphor, and CognitionTravaux en français237 207