MétaCan
Menu
Retour à la cohorte
Enregistrement W3175686979

Functions of Hedging: The Case of Academic Persian Prose in One of Iranian Universities

2012· article· en· W3175686979 sur OpenAlexvenueno aff
Fariba Ghazanfari, Bistoon Abassi

Notice bibliographique

RevueStudies in literature and language · 2012
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueDiscourse Analysis in Language Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPolitenessLinguisticsPsychologyPersianTone (literature)Modality (human–computer interaction)Function (biology)EpistemologyAcademic writingOrder (exchange)Epistemic modalityCognitionSociologyMathematics educationPhilosophyComputer scienceEconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

As a feature of academic writing, hedging deals with toning down of scientific claims. There is a clear pedagogical justification for clarification of the concept, especially since it is usually a source of failure in the writing of many foreign/ second language writers of the English language. This problem prompted us to explore it in-depth and see what the underlying assumptions of our academic authors are regarding the issue of hedging. Several studies have aimed at defining and identifying it based upon formal and functional categories (Myers, 1989; Salager Meyers, 1994; Crompton, 1997; Hyland, 1994, 1997, 2005; Lewin 2005, etc.). In the present study, we have tried to investigate the notion in Persian academic prose in two departments of an Iranian university. In order to bring theory into practice, through the text analysis of 32 RAs and some interviews with the writers of the texts under analysis, the question of the function of hedging is studied. It seems that the authors in this study use hedging mainly in its threat-minimizing and politeness functions, which are the social aspects of the issue. Epistemic modality as a cognitive motivation for hedging appears to be less of a concern to the authors under the study. Key words : Hedging; Epistemic modality; Tone down; Knowledge claim

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)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,132
Score d'incertitude au seuil0,334

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,033
Tête enseignante GPT0,305
Écart entre enseignants0,273 · 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'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
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStudies in literature and languageMême sujetDiscourse Analysis in Language StudiesTravaux en français237 207