Word-Formation Characteristics of Anglicisms in the Russian Slang
Notice bibliographique
Résumé
The paper deals with characteristics of Anglicisms that operate in the contemporary Russian slang with the emphasis on their word-formation features. The penetration of these lexical units into the Russian language provides a researcher with a linguistically interesting material as the English and Russian languages represent typologically different language systems. To begin with, the research focuses on the origin of the individual word bases and affixes from which the Anglicism instances analysed by us are formed. Moreover, we treat the representation of non-motivated and word-motivated lexemes. At the same time, word-formation means, methods and procedures for the formation of Anglicisms in the Russian slang are taken into account. The above-mentioned lexical units find their word-formation realization within these processes: derivation, composition, compounding, clipping, acronyms, blending, conversion, calques, fusion, univerbization and phonetic mimicry. Additionally, they display differences in onomasiological categories across the studied field. With respect to this, we cover the word-formation features of the processes: word-formation strings, paradigms and nests; word-formation types, onomasiological categories and types of onomasiological categories. The practical utilization of the research is possible in the areas of comparative and applied linguistics and translatology when searching for equivalents of lexical units in typologically different languages. Furthermore, the results of the research are applicable in the methodology of teaching foreign languages.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,075 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».