MétaCan
Menu
← Retour à la cohorte
Enregistrement W2528803892 · doi:10.1017/cbo9781139583800.007

How do you start a sentence?

2016· book-chapter· en· W2528803892 sur OpenAlexaff
Sali A. Tagliamonte

Notice bibliographique

RevueCambridge University Press eBooks · 2016
Typebook-chapter
Langueen
DomainePsychology
ThématiqueLanguage, Metaphor, and Cognition
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésSentenceDaughterSubject (documents)GrammarLinguisticsCATSPsychologyComputer sciencePhilosophyWorld Wide WebPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

Oh okay well okay then I guess that is my destination. (Trevor Klinke, 20) When a person starts a sentence, which words come out first? According to the grammar books of English, you start a sentence with a subject, e.g. I , she , Sali , my daughter , in order to get sentences such as, e.g. I like cats , Sali likes cats , My daughter likes cats. But that is not what happens in spoken language. Sentences do not always unfold with a subject first. What typically happens is more like: You know, I like cats , So, I like cats , or even So, you know, I think, I like cats. Everyone thinks that it is teenagers who do this, and if not teenagers, people who are uneducated or inarticulate. In this chapter, I explore the words that come before sentences, including words such as so , well , you know , uh , as in (79). I will refer to these words as “sentence starters,” SS. a. So uh. Well I really loved it. You know uh I enjoyed it. (William Carlsburg, 82) b. Oh okay yeah so because you grow up with it, you just don't even hear it. (Ken Smuckers, 53) In the literature, these words have been included under the general umbrella of “discourse markers” (DMs) (e.g. Jucker and Ziv, 1998; Schiffrin, 1987), “pragmatic markers” (e.g. Andersen, 2001; Brinton, 1996; Erman, 2001), or “discourse-pragmatic markers.” A question that arises is: Are these all the same type of markers? Why are such words sometimes referred to as “discourse markers,” at other times “pragmatic markers,” and sometimes as “particles”? Aside from being words and phrases that have been disparaged as meaningless and bad, what else can be said? Traditionally, the words in (79) were thought to be empty, meaningless fillers. In the mid 1970s Longacre (1976) referred to them as “mystery particles,” in part because at the time no one really knew what function they served in the language. As we shall see, these words are actually a multifarious set of phenomena and an important part of the grammar of spoken language. There is a great deal to be learned yet, then, about the interrelations that exist between syntax and semantics, and about the way in which the syntactic structure of informal spoken language can best be analyzed.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,094

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0020,006
Science ouverte0,0000,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0280,020

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 Opus0,026
Tête enseignante GPT0,221
Écart entre enseignants0,195 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooks→Même sujetLanguage, Metaphor, and Cognition→Travaux en français237 207→