Word Shortening Strategies: Egyptian vs. Non-Egyptian English Tweets
Notice bibliographique
Résumé
The language of Computer-mediated Communication (CMC) is known to deviate from standard language in many ways dictated by the characteristics of the medium in order to achieve brevity, speed as well as innovation. Together with the intrinsic features of CMC in general, the character limitation imposed by the popular social media platform, Twitter has triggered the use of a number of linguistic devices including shortening strategies in addition to unconventional spelling and grammar. Using two parallel corpora of English tweets written by Egyptians and non-Egyptians on a similar hashtag, the study attempts to compare the shortening strategies used in both datasets. A taxonomy for orthographic and morphological shortening strategies was adapted from Thurlow and Brown (2003) and Denby (2010) with particular focus on message length, punctuation, clipping, abbreviations, contractions, alphanumeric homophones and accent stylization. Given the scarcity of linguistic studies conducted on Egyptian tweets despite the vast amount of data they offer, the study compares the findings about tweets written by Egyptians in English as a foreign language to previous studies. The findings suggest that Egyptians tend to omit punctuation more frequently, whereas non-Egyptians favor abbreviations, contractions and clipped forms. The results also indicate that Twitter may be shifting towards longer messages while at the same time increasingly employing more shortening strategies. The study also reveals that character limitation is not the only factor shaping language use on Twitter since not all linguistic choices are governed by brevity of communication.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».