How bilinguals refer to Mandarin throwing actions in English
Notice bibliographique
Résumé
Aims and Objectives: In the present study, we tested how Mandarin-English bilinguals choose English words to refer to prototypical Mandarin throwing actions. Languages differ in how they refer to events. In Mandarin and English, words for throwing actions differ notably on a variety of dimensions so there are few perfect translation equivalents. In previous studies, when faced with the challenge of how to speak about such events, bilinguals sometimes use language-specific ways in each language, sometimes show convergence, sometimes use more general terms, and there are times when they can be quite creative. Design/Methodology: We showed video clips of six prototypical Mandarin throwing actions (corresponding to rēng 扔, diū 丢, pāo 抛, tóu 投, shuāi 摔, shuǎi 甩) to Mandarin-English bilinguals and English monolinguals. Participants labeled the actions and chose the English word most closely corresponding to the action. The bilinguals did the same in Mandarin. Findings/Conclusion: The results showed that the bilinguals chose many of the same words in English as English monolinguals did. However, the bilinguals differed from the monolinguals in two ways: (1) they tended to choose more different responses and (2) they referred to diū 丢 actions most often as throw rather than lob as the monolinguals did. Originality: These results suggest that bilinguals use a variety of strategies to refer to the not-easily-translatable.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».