MétaCan
Menu
Retour à la cohorte
Enregistrement W3139115228 · doi:10.1515/multi-2020-0088

Convivial linguistic practices: lived togetherness through language in the United Arab Emirates

2021· article· en· W3139115228 sur OpenAlexaff
William R. Cook

Notice bibliographique

RevueMultilingua · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMultilingual Education and Policy
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésNegotiationNarrativeSociologyLinguisticsFace (sociological concept)Gender studiesMedia studiesSocial science

Résumé

récupéré en direct d'OpenAlex

Abstract This paper takes up conviviality as an analytical tool to investigate everyday language choices made by foreign residents living in Ras Al Khaimah, a small city in the United Arab Emirates (UAE). It draws on recent work in human geography and cultural studies to understand conviviality in terms of practices rather than outcomes. Specifically, it investigates some of the linguistic dimensions of conviviality deployed by residents of the city in everyday situations of linguistic contact and negotiation of difference. The paper focuses on participants’ “small story” narratives (Georgakopoulou, Alexandra. 2015. Small stories research: Methods – analysis – outreach. In Anna De Fina & Alexandra Georgakopoulou (eds.), The handbook of narrative analysis, 255–272. Malden: John Wiley & Sons) that exemplify everyday language choices in the face of a highly ethnolinguistically diverse as well as racially and economically stratified society. Considering the multitude of ethnolinguistic and socioeconomic divisions in the city and the country as a whole, the paper unpacks how such cross-border contact is negotiated through everyday language practices. The paper identifies four types of convivial linguistic practices described by my participants: language sharing, benevolent interpretation, language checks and respectful language choices. In the process, I also probe the limits of what studying conviviality can tell us about everyday linguistic togetherness in highly segregated societies marked by stark inequalities.

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)0,005
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,026
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0110,012
Communication savante0,0050,003
Science ouverte0,0010,007
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,168
Tête enseignante GPT0,501
Écart entre enseignants0,333 · 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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMultilinguaMême sujetMultilingual Education and PolicyTravaux en français237 207