MétaCan
Menu
Retour à la cohorte
Enregistrement W2891303820 · doi:10.1017/s1360674318000199

Transatlantic perspectives on variation in negative expressions

2018· article· en· W2891303820 sur OpenAlexaffabout
Claire Childs, Christopher D. Harvey, Karen P. Corrigan, Sali A. Tagliamonte

Notice bibliographique

RevueEnglish Language and Linguistics · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLinguistic Variation and Morphology
Établissements canadiensUniversity of Toronto
Organismes subventionnairesArts and Humanities Research Council
Mots-clésNegationVariation (astronomy)VerbLinguisticsGrammarVariable (mathematics)PsychologyMathematicsHistoryPhilosophy

Résumé

récupéré en direct d'OpenAlex

Negation with indefinite items in English can be expressed in three ways:any-negation (I didn’t have any money),no-negation (I had no money) and negative concord (I didn’t have no money). These variants have persisted over time, with some studies suggesting that the newest variant,any-negation, is increasing at the expense ofno-negation (Tottie 1991a, 1991b). Others suggest that although this variable was undergoing change in earlier centuries, it is stable in Modern English (Wallage 2017). This article examines the current state of the variability in four communities within two distinctive English-speaking regions: Toronto and Belleville in Ontario, Canada, and Tyneside and York in Northern England. Our comparative quantitative analysis of speech corpora from these communities shows that the rates ofno-negation vary between Northern England and Ontario, but the variation is largely stable and primarily conditioned by verb type in a robust effect that holds cross-dialectally: functional verbs retainno-negation, while lexical verbs favourany. The social embedding of the variability varies between the communities, but they share a common variable grammar.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,090
Score d'incertitude au seuil0,179

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,011
Communication savante0,0030,003
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,013
Tête enseignante GPT0,305
Écart entre enseignants0,292 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations53
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnglish Language and LinguisticsMême sujetLinguistic Variation and MorphologyTravaux en français237 207