MétaCan
Menu
Retour à la cohorte
Enregistrement W3110279087 · doi:10.1075/ll.19005.pha

Memories and semiotic resources in place-making

2020· article· en· W3110279087 sur OpenAlexaboutno aff
Nhan Phan

Notice bibliographique

RevueLinguistic Landscape An international journal · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMultilingual Education and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSemioticsMeaning (existential)Triad (sociology)SociologyContrast (vision)Value (mathematics)LinguisticsAffect (linguistics)Quarter (Canadian coin)Identity (music)Place makingSense of placeAestheticsHistoryEpistemologyCommunicationArtSocial scienceComputer sciencePhilosophyArchaeology

Résumé

récupéré en direct d'OpenAlex

Abstract This paper explores how semiotic resources are used to build individuals’ place-making during a walk around the Old Quarter in Hanoi, Vietnam. Using Lefebvre’s (1991) spatial triad as the perceived , the lived and the conceived , the paper uses a case study of a local participant and myself to consider how our differing perspectives affect place-making. I show how the local resident makes meaning using perceived resources in the here-and-now as backdrops for the lived , presented via his recounting of memories of activity spaces. I then contrast how these memories differ from the researcher’s place-making, where the conceived affects how I perceive the significance of visual resources on signs in the here-and-now. The study shows the value of Lefebvre’s (1991) triad for explaining the conflicting generalisations researchers have made about the nature of what is seen in the linguistic landscape or about the roles played by linguistic landscape in defining place.

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)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
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 enseignants0,906
Score d'incertitude au seuil0,516

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,004
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)0,0000,000

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 Opus0,056
Tête enseignante GPT0,440
Écart entre enseignants0,384 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLinguistic Landscape An international journalMême sujetMultilingual Education and PolicyTravaux en français237 207