MétaCan
Menu
Retour à la cohorte
Enregistrement W2808769745 · doi:10.1215/00031283-6926179

Teaching Linguistics through Lexicography

2018· article· en· W2808769745 sur OpenAlexaboutno aff
Mark Canada

Notice bibliographique

RevueAmerican Speech · 2018
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLexicography and Language Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCitationIconConversationHistoryLinguisticsLibrary scienceComputer sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Research Article| May 01 2018 Teaching Linguistics through Lexicography Mark Canada Mark Canada Indiana University Kokomo mark canada is professor of English and executive vice chancellor for academic affairs at Indiana University Kokomo. He is the author, coauthor, or editor of four books, including Introduction to Information Literacy for Students (Wiley, 2017) and Literature and Journalism in Antebellum America (Palgrave Macmillan, 2011). His articles on student success, Theodore Dreiser, Edgar Allan Poe, and other topics have appeared in The Chronicle of Higher Education, The Conversation, American Literary Realism, and other publications. E-mail: canadam@iuk.edu. Search for other works by this author on: This Site Google American Speech (2018) 93 (2): 311–323. https://doi.org/10.1215/00031283-6926179 Cite Icon Cite Share Icon Share Facebook Twitter Email Permissions Search Site Citation Mark Canada; Teaching Linguistics through Lexicography. American Speech 1 May 2018; 93 (2): 311–323. doi: https://doi.org/10.1215/00031283-6926179 Download citation file: Zotero Reference Manager EasyBib Bookends Mendeley Papers EndNote RefWorks BibTex toolbar search Search nav search search input Search input auto suggest search filter Books & JournalsAll JournalsAmerican Dialect SocietyAmerican Speech Search Advanced Search The text of this article is only available as a PDF. Copyright © 2018 American Dialect Society2018 Article PDF first page preview Close Modal You do not currently have access to this content.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,171
Score d'incertitude au seuil0,571

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0040,004
Communication savante0,0090,004
Science ouverte0,0010,004
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,1710,055

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 Opus0,024
Tête enseignante GPT0,282
Écart entre enseignants0,259 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican SpeechMême sujetLexicography and Language StudiesTravaux en français237 207