Proper name within the framework of nomination. The case of eponyms
Notice bibliographique
Résumé
Abstract The paper explores deonymic nomination, i.e. the formation of appellatives (eponyms) from proper names. By an eponym, any type of non-onymic unit formed from proper name is understood. The analysis is conducted using a database of 1,250 eponyms from Slovník slovenských eponym (Dictionary of Slovak Eponyms; Ološtiak et al., 2018) and a theory of lexical motivation as a methodological background is applied. From this viewpoint, formation of eponyms can be characterized as the loss of onymic motivation (onymic demotivation) and at the same time the acquisition of another type of motivation depending on the type of word-formation process (in a broader sense). In this regard, a word-formation process is understood as any way of coining a new lexeme (one-word unit, multiword expression, new meaning, abbreviation, borrowing etc.). Eponyms are frequently coined by derivation (word-formation motivation, e.g. Albert ‘Albert County (Canada)’ → albertit ‘albertite’, Heine → heineovský ‘of or relating to H. Heine’) and by semantic shift with no part-of-speech change (semantic motivation, e.g. Pascal → pascal ). Other processes are rare: part-of-speech change with no shift in morphemics (morphological motivation, e.g. Ježiš (noun) ‘Jesus’ → ježiš (interjection) ‘Jesus, an expression of emotion – surprise, anger, shock etc.’), abbreviation (abbreviation motivation, e.g. Mikojan + Gurevič → mig ‘a military aircraft’). In Slovak, most of the eponyms are loanwords (97.4%), thus, a special position is occupied by interlingual motivation.
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 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 | 0,069 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».