MétaCan
Menu
Retour à la cohorte
Enregistrement W2945259153 · doi:10.1215/00031283-7587892

Bag Across the Border

2019· article· en· W2945259153 sur OpenAlexaboutno aff
Julia Thomas Swan

Notice bibliographique

RevueAmerican Speech · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLinguistic Variation and Morphology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIdeologyGentrificationDemographicsSociocultural evolutionDistribution (mathematics)GeographyInterpersonal tiesDemographic economicsSociologyEconomic geographyPolitical scienceEconomic growthDemographySocial scienceLawAnthropologyEconomics

Résumé

récupéré en direct d'OpenAlex

Prior research documents /æ/ raising and tensing when followed by /g/ in words like bag in the Pacific Northwest, particularly in Seattle. The present study compares /æg/ raising among speakers from Seattle, Washington, and Vancouver, British Columbia, and explores the social motivations for its use. The findings show that while the feature occurs in both cities, its social distribution is not identical. Different age and gender distributions and varying metalinguistic commentary raise questions about the trajectory of change in each city. Nonetheless, speakers’ realizations of raised bag are associated with similar sociocultural backgrounds and ideologies. In Seattle, bag raisers have multigenerational ties to the area, take strong ideological stances against changes in the area’s industries and economy, and oppose “gentrification.” Nonraisers have more international ties, show stronger interest in moving elsewhere, and embrace Seattle’s new industries. In Vancouver, BAG raisers describe growing up as Caucasian Canadians in majority Asian neighborhoods and emphasize the changing demographics and increased cost of living. In both cities, bag raisers are ideologically opposed to perceived encroachment and take conservative stances toward changes in their city. This highlights that the West and Canada participate in some of the same sound changes and show similar, locally contextualized motivations for their use.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,950
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0020,001

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,367
Écart entre enseignants0,355 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations31
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican SpeechMême sujetLinguistic Variation and MorphologyTravaux en français237 207