MétaCan
Menu
Retour à la cohorte
Enregistrement W3207566012 · doi:10.1515/opli-2020-0164

Multimodal practices for negative assessments as delicate matters: Incomplete syntax, facial expressions, and head movements

2021· article· en· W3207566012 sur OpenAlexaff
Xiaoting Li

Notice bibliographique

RevueOpen Linguistics · 2021
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLanguage, Discourse, Communication Strategies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésSyntaxAction (physics)PsychologyFacial expressionLinguisticsHead (geology)Face (sociological concept)Cognitive psychologyComputer scienceCommunicationPhilosophy

Résumé

récupéré en direct d'OpenAlex

Abstract This paper contributes to the discussion of fuzzy boundaries by investigating negative assessments of the recipient and non-present parties that are syntactically incomplete. Particularly, it explores how the speaker uses syntax and bodily visual conduct to accomplish the delicate action of negatively assessing others and to solicit the recipient to collaboratively complete negative assessments. Based on an examination of approximately 5 h of everyday Mandarin face-to-face conversations, the study shows that incomplete syntax, facial expressions, and head shakes constitute multimodal practices in making negative assessments of the recipient and a non-present third party. Leaving assessments syntactically incomplete and displaying negative evaluative stance through facial expressions such as lip-pursing and eyebrow furrows and head shakes show the speaker’s orientation to the negative assessments as a delicate action. The facial expressions after incomplete syntax demonstrate that participants orient to the hesitation in the delivery of a TCU/turn-in-progress not asproductionproblem, but rather aninteractionalproblem. This study shows that the boundaries of assessment turns may be blurry, and that one assessment may be collaboratively produced by two participants, which exemplifies a specific aspect of weak cesuras and fuzzy boundaries of units and actions in interaction.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,004
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,005
Communication savante0,0030,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,175
Tête enseignante GPT0,449
Écart entre enseignants0,274 · 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 source (Gemma direct ou Codex distillé), 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

Citations11
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen LinguisticsMême sujetLanguage, Discourse, Communication StrategiesTravaux en français237 207