THE MEANING OF “e-”: NEOLOGISMS AS MARKERS OF CULTURE AND TECHNOLOGY
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A community is known by the language it keeps, and its words chronicle the times. Every aspect of the life of a people is reflected in the words they use to talk about themselves and the world around them. As their world changes – through invention, discovery, revolution,evolution or personal transformation – so does their language. Like the growth rings of a tree, our vocabulary bears witness to our past.- John Algeo (Fifty Years Among the New Words)Algeo reveals two interesting concepts in this simple passage. First, he acknowledges the intricate relationship between language and culture. Although it is no secret that both language and culture change over time, he explains how language acts as a marker of history, reflecting back culture as it changes. Secondly, he points to vocabulary as the primary indicator for tracking this change and recognizes that new words or neologisms can be useful tools for understanding how culture is evolving. Algeo shows us that through monitoring vocabulary change, we can track cultural change. New words are constantly entering the lexicon to describe new concepts and technologies and what they mean to us. Conversely, older words continually fall out of use as they decrease in cultural significance. Considering the influence digital technology has had on society, it is not surprising then that lexicographers have found that science and technology are by far the most prolific sources of neologisms in recent times (Crystal 2002; Knowles & Elliot 1997;Van Dyke 1992; Gozzi 1990).
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.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle