MétaCan
Menu
Retour à la cohorte
Enregistrement W3215341501 · doi:10.2991/assehr.k.211122.086

Corpus Analysis of the Terms Denoting Covid-19

2021· article· en· W3215341501 sur OpenAlexaboutno aff
Lixin Xia, Xia Yun

Notice bibliographique

RevueAdvances in Social Science, Education and Humanities Research/Advances in social science, education and humanities research · 2021
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLinguistics, Language Diversity, and Identity
Établissements canadiensnon disponible
Organismes subventionnairesNational Social Science Fund of China
Mots-clésCoronavirus disease 2019 (COVID-19)Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2)2019-20 coronavirus outbreakCoronavirusCorona (planetary geology)LinguisticsTerm (time)Corpus linguisticsComputer scienceNatural language processingHistoryGeographyPhysicsVirologyAstronomyMedicinePhilosophyPathology

Résumé

récupéré en direct d'OpenAlex

This paper aims to look at the use of the terms denoting Covid-19 in English new media and the linguistic changes in the period of January 2020 to January 2021. A corpus-based methodology was adopted. From the Coronavirus Corpus, the relative frequency of seven terms was retrieved. They are Covid-19, covid, coronavirus, 2019-nCoV, SARS-CoV-2, corona and rona. It was found that most of the terms have become more frequent in English news reports except the term coronavirus, corona and 2019-nCoV. Covid-19 and covid dominate news discourse. Furthermore, regional differences in the use of the Corvid-related terms have been observed in the corpus data. For example, rona is currently trending in Canada, New Zealand and Australia.

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)0,006
score de la tête « metaresearch » (Gemma)0,009
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies, Communication savante
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,628
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,005
Études des sciences et des technologies0,0140,031
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,119
Tête enseignante GPT0,463
Écart entre enseignants0,344 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Social Science, Education and Humanities Research/Advances in social science, education and humanities researchMême sujetLinguistics, Language Diversity, and IdentityTravaux en français237 207