Borrowings But No Diffusion: A Case of Language Contact in the Lake Chad Basin
Notice bibliographique
Résumé
Makary Kotoko, a Chadic language spoken in the flood plain directly south of Lake Chad in Cameroon, has an estimated 16,000 speakers. An analysis of a lexical database for the language shows that of the 3000 or so distinct lexical entries in the database, almost 1/3 (916 items) have been identified as borrowed from other languages in the region. The majority of the borrowings come from Kanuri, a Nilo-Saharan language of Nigeria, with an estimated number of speakers ranging from 1 to 4 million. In this article I first present the number of borrowings specifically from Kanuri relative to the total number of borrowed items in Makary Kotoko, and the lexical/grammatical categories in Makary Kotoko that have incorporated Kanuri borrowings. I follow this by presenting the linguistic evidence which not only suggests a possible time frame for when the borrowings from Kanuri came into Makary Kotoko, but also supports the idea that this is essentially a case of completed language contact. After discussing the lexical and grammatical borrowings from Kanuri into Makary Kotoko in detail, I explore the limited evidence in Makary Kotoko for lexical and grammatical ‘calquing’ from Kanuri, resulting in almost no structural diffusion from Kanuri into Makary Kotoko. I finish with a few proposals as to why this is the case in this instance of language contact in the Lake Chad basin.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,007 | 0,012 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».