MétaCan
Menu
Retour à la cohorte
Enregistrement W2982932459 · doi:10.4000/lidil.6893

La représentation corporelle dans le discours signé

2019· article· fr· W2982932459 sur OpenAlexaff
Anne-Marie Parisot, Darren Saunders

Notice bibliographique

RevueLidil · 2019
Typearticle
Languefr
DomainePsychology
ThématiqueHearing Impairment and Communication
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

Dans cet article, nous montrons que l’utilisation de la représentation corporelle est influencée par des facteurs externes et notamment des facteurs discursifs, comme le type de discours et l’intention pragmatique du locuteur. Cette démonstration prend source dans l’analyse de 18 discours narratifs et 18 discours descriptifs, produits en langue de signes québécoise (LSQ) par trois groupes de signeurs sourds : des signeurs natifs de la langue des signes québécoise (LSQ-L1), des signeurs non natifs de la LSQ ayant la langue des signes américaine comme L1 (LSQ-L2), et des signeurs natifs de la langue des signes américaine (ASL-L1). Nous décrivons l’utilisation de la représentation corporelle dans le discours LSQ, en regard de trois caractéristiques propres à ce phénomène (forme de la représentation corporelle, type de marqueurs, fonction discursive), et de facteurs de variation propres au contexte (types de discours, langue de production et langue du signeur). Les résultats suggèrent que la variable langue de production n’a pas d’incidence sur l’utilisation des structures de représentation corporelle (forme et type de marqueur) et que la variation dans la présence de structures de représentation corporelle dans le discours, est plutôt explicable par la motivation pragmatique. En effet, une analyse croisée des variables fonction discursive et type de discours montre que la représentation corporelle est davantage utilisée pour l’adhésion dans les discours narratifs et pour la distanciation dans les discours descriptifs.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,059
Score d'incertitude au seuil0,117

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,006
Communication savante0,0050,004
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,026
Tête enseignante GPT0,340
Écart entre enseignants0,314 · 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'étudeQualitatif
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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLidilMême sujetHearing Impairment and CommunicationTravaux en français237 207