MétaCan
Menu
Retour à la cohorte
Enregistrement W3201996901 · doi:10.1558/jalpp.21053

Mobilizing knowledge

2018· article· en· W3201996901 sur OpenAlexaboutno aff
Tosh Tachino

Notice bibliographique

RevueJournal of Applied Linguistics and Professional Practice · 2018
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueDiscourse Analysis in Language Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésArgument (complex analysis)CitationSituatedGovernment (linguistics)CommissionLinguisticsSpeech actFunction (biology)Indirect speechPolitical sciencePsychologySociologyComputer scienceLawArtificial intelligenceMedicine

Résumé

récupéré en direct d'OpenAlex

Many linguistic studies have analyzed the ways in which reported speech is used to mobilize knowledge in academic writing, but there have been far fewer such studies of knowledge mobilization in non-academic genres. This study analyzes the functions of reported speech in a Canadian quasi-judicial public inquiry report, a genre that is intertextually situated between research genres (through academic expert witnesses) and policy genres (through its role in making policy recommendations to the government). All instances of explicitly marked citation and reported speech in the commission report were identified and coded by function. The findings show citation and reported speech had specific functions that contributed to knowledge mobilization by discursively creating evidence, transporting worldviews and values, and changing knowledge status in the legal genres. The analysis also raises theoretical questions in linguistics, resulting in the argument that reported speech is not a static, formal category but a discursive status negotiated by the participants.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,987
Score d'incertitude au seuil0,524

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
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 Opus0,030
Tête enseignante GPT0,352
Écart entre enseignants0,322 · 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
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Linguistics and Professional PracticeMême sujetDiscourse Analysis in Language StudiesTravaux en français237 207