MétaCan
Menu
Retour à la cohorte
Enregistrement W4214769570 · doi:10.46827/ejlll.v5i4.316

COMPLAINT STRATEGIES AND FORMULAS IN CAMEROON FRENCH: A CASE STUDY

2022· article· en· W4214769570 sur OpenAlexaff
Bernard Mulo Farenkia

Notice bibliographique

RevueEuropean Journal of Literature Language and Linguistics Studies · 2022
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLanguage, Discourse, Communication Strategies
Établissements canadiensCape Breton University
Organismes subventionnairesnon disponible
Mots-clésComplaintSarcasmPsychologyVariety (cybernetics)LinguisticsSocial psychologyPolitical scienceLawMathematicsPhilosophyStatisticsIrony

Résumé

récupéré en direct d'OpenAlex

The present study examines the realization of complaints by Cameroonian French speakers. The data were collected, by means of discourse completion tasks (DCT) that was administered to 228 participants in Yaoundé and Douala, Cameroon. The examples were analyzed according to the following aspects: head act strategies (direct and indirect complaints) and external modifiers. With respect to head act strategies, the results show that the informants mostly preferred direct complaints in the form of expressions of disapproval and accusations, and indirect complaints in the form of expressions of disbelief and requests for repair. It was also found that the participants mostly used complex complaint utterances with a wide variety of pragmatic strategies and linguistic realizations. The analysis also reveals that the participants employed different types of external modifiers to soften or aggravate their complaints. These include preparatory acts such as exclamations, attention getters, address terms, etc., and supportive acts such as expressions of regrets, insistence acts, sarcasm, suggestions, etc. The strategies and formulas attested in the data seem to reflect the way in which Cameroon French speakers voice complaints in naturally occurring situations involving peer equality.<p> </p><p><strong> Article visualizations:</strong></p><p><img src="/-counters-/edu_01/0917/a.php" alt="Hit counter" /></p>

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)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,083
Score d'incertitude au seuil0,545

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,050
Tête enseignante GPT0,314
Écart entre enseignants0,263 · 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'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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of Literature Language and Linguistics StudiesMême sujetLanguage, Discourse, Communication StrategiesTravaux en français237 207