Modal Verbs Hedging: The Uses and Functions of “Will” and “Shall” in Nigerian Legal Discourse
Notice bibliographique
Résumé
This is a corpus-based study on the uses and functions of modal verbs “will” and “shall” in the Nigerian legal discourse. It aims at examining their pragmatic functions as hedges in the legal discourse. It specifically aims to investigate how hedges are used in the legal texts to indicate precision and uncertainty. To achieve these objectives a specialised corpus was constructed which we named as “Nigerian Law Corpus” (NLC). The compilation of NLC is based on the Nigerian court proceedings and law reports. Hence, the compiled NLC corpus contains 546,313-word tokens. Meanwhile, reference corpus of law with 2.2 million word tokens based on the British National Corpus (BNC) is retrieved for comparison with NLC. To this end, two concordance tools were utilised to analyse the data of this study viz. “AntConc version 3.5” a semi-automated computer-aided tool and a web-based tool “Lextutor version 7”. Based on the frequency distribution the results revealed that model verb “will” featured in 493 instances in the NLC and 7,711 instances in the BNC Law, while, “shall” occurred at 401 instances in NLC and 1,348 instances in BNC Law. The results also indicated that “shall” was an overused element in NLC than in BNC Law with standardised concordance hits per million (NLC=734, BNC Law =589) while, “will” is the least used element of NLC (902 instances per million) compared to BNC Law (3,369 instances per million). The study also enumerated different semantic and pragmatic functions of “will” and “shall” in legal discourse, citing examples from both tag corpus (NLC) and reference corpus (BNC Law). Some of the functions as hedges (conveying a truth value of a proposition) are epistemic meanings: politeness, obligation, precision, duty, intention, and permission. In nutshell, the results indicated that “will” and “shall” are used by legal practitioners more especially lawyers in a courtroom to achieve precision in their argument in a case to persuade the court by showing the true value of commitment of the proposition.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».