Experimental-Phonetic Analysis of Suprasentential Units in the English Language
Notice bibliographique
Résumé
The current article deals mainly with the suprasentential units in English and their characteristic peculiarities. Some viewpoints of western, Russian and Azerbaijani linguists are discussed here. One of the important matters discussed here is to distinguish the notions “text” and “suprasentential units”, which was possible owing to the viewpoints and investigations of specialists in this field. To determine “suprasentential units”, some other terms such as, “micro-text” and “macro-text” are discussed here, too. To get a detailed information on “suprasentential units”, phonetic experiment was carried out. The essence of the article is to determine the phoneticparameters of “suprasentential units” in the form of a short text. The experiment was realised at the Institute of Linguistics of the National Academy of Sciences of Azerbaijan. For acoustic analysis of the recorded materials, “Speech Analyser”, “WinCecil”, “PRAAT”, “MacSpeech Lab” programs have been used. In the acoustic analysis of speech signals of the given short text, the valuable “PRAAT” computer program created by the professors of Amsterdam University Paul Boersman and David Veenik has been widely used. “PRAAT” computer program has wide opportunities, such as to hold ossillographic and spectographic analysis of language materials (in our case, short texts), to get indicators of tonal frequency intensity, and length of language materials, etc. The above mentioned computer program provides specialists and learners with the chance of learning speech fragments having the recording time from several m/sec to several hours.
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 | 0,001 | 0,002 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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.
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 ».