MétaCan
Menu
Retour à la cohorte
Enregistrement W3092479361 · doi:10.1515/lingvan-2018-0068

<i>I feel like</i> and <i>it feels like</i>: Two paths to the emergence of epistemic markers

2020· article· en· W3092479361 sur OpenAlexaffabout
Marisa Brook

Notice bibliographique

RevueLinguistics Vanguard · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLinguistic Variation and Morphology
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésComplementizerPreferenceVariation (astronomy)Collocation (remote sensing)VernacularPersistence (discontinuity)Value (mathematics)Envelope (radar)PsychologyEpistemologyLinguisticsPhilosophyComputer scienceMathematicsStatisticsSyntaxPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract The collocation I feel like has attracted American media attention for reportedly being newly ubiquitous (Baker 2013, Smith 2015, Worthen 2016). While I have proposed that it is becoming an epistemic marker in North American dialects of English (Brook 2011: 65), I have made this prediction of (it) feels like as well. The present study artificially restricts the conventional envelope of variation to evaluate what distinguishes these two phrases in vernacular Canadian English. I feel like is the more frequent by far, but (it) feels like shows a specialization for metaphorical subordinate clauses rather than concrete ones. I interpret this as a case of persistence (Torres Cacoullos and Walker 2009). Before the arrival of the like complementizer, the only predecessors to ’(it) feels like were (it) feels as if and (it) feels as though, and both as if and as though have a preference for metaphoricality (Brook 2014). I feel like was also preceded by options with ’as if and as though, but counterbalanced with that and Ø, which prefer concrete subordinate clauses (Brook 2014). The results attest to the value to be found in (cautiously) conducting a microscopic study of a corner of the envelope of variation.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,045
Score d'incertitude au seuil0,089

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,013
Communication savante0,0050,005
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,310
Écart entre enseignants0,282 · 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

Citations1
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLinguistics VanguardMême sujetLinguistic Variation and MorphologyTravaux en français237 207