How bilinguals refer to Mandarin throwing actions in English
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 découle