MétaCan
Menu
Retour à la cohorte
Enregistrement W2596636279

Representations of French linguistic borrowing in early modern England

2016· dissertation· en· W2596636279 sur OpenAlexfundno aff
Silje Normand

Notice bibliographique

RevueBIBSYS Brage (BIBSYS (Norway)) · 2016
Typedissertation
Langueen
DomaineArts and Humanities
ThématiqueHistorical Linguistics and Language Studies
Établissements canadiensnon disponible
Organismes subventionnairesCollege of Pharmacy, University of MichiganUniversity of TorontoUniversity of Michigan
Mots-clésLinguisticsHistoryPhilosophy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This thesis examines the early modern debates surrounding the incorporation of French loan words into the English vocabulary through an analysis of the prefaces of a variety of early modern English dictionaries and a selection of Restoration plays, political pamphlets and tracts.It considers the long seventeenth century, starting with Robert Cawdrey's dictionary of 'hard words', A table alphabeticall (1604) and ending with Samuel Johnson's A Dictionary of the English Language (1755).The thesis is not concerned with whether particular words are in fact French loans, nor with the chronology of their usage, but rather examines the debates surrounding linguistic borrowing identified as French by contemporaries.Neither is the emphasis on the actual words themselves, as much as on the attitudes towards their use and the portrayal of those that use them.The thesis analyses the representation of French linguistic borrowing in three domains of discourse (dictionaries, Restoration satire, political pamphlets and periodical essays), paying particular attention to the metaphors and images that are employed in these representations.Taking into consideration ideas of linguistic purism and language corruption, it explores how representations of French borrowing can be situated within a larger historical context of English nation building and fluctuating Anglo-French relations.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,847
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,021
Tête enseignante GPT0,261
Écart entre enseignants0,240 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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 revueBIBSYS Brage (BIBSYS (Norway))Même sujetHistorical Linguistics and Language StudiesTravaux en français237 207