MétaCan
Menu
Retour à la cohorte
Enregistrement W4220954080 · doi:10.1017/jlg.2021.8

Toward a picture of Chahar Mahal va Bakhtiari Province, Iran, as a linguistic area

2021· article· en· W4220954080 sur OpenAlexafffund
Erik Anonby, Mortaza Taheri-Ardali, Adam Stone

Notice bibliographique

RevueJournal of Linguistic Geography · 2021
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLanguage, Linguistics, Cultural Analysis
Établissements canadiensCarleton University
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaLomonosov Moscow State UniversityUniversiteit LeidenAlexander von Humboldt-Stiftung
Mots-clésContext (archaeology)LinguisticsGeographyDistribution (mathematics)DocumentationPlateau (mathematics)Language contactHistoryComputer scienceArchaeologyMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract Language documentation has been carried out in Iran since the late 1800s but in a sporadic way, and even now, the scholarly picture of the country’s linguistic landscape is fragmentary. The present article responds to this state of affairs in a modest way by working toward a systematic overview of the language situation in one area of the country: Chahar Mahal va Bakhtiari Province of western Iran, where the high Zagros Mountains open onto the Iranian Plateau. In this study, conducted in the context of theAtlas of the Languages of Iran(ALI) research programme, we chronicle our research process for this region, beginning with an inventory of languages spoken here—varieties of Bakhtiari, Charmahali, and Turkic—and an overview of their geographical distribution. This initial step enabled us to select 30 varieties from 26 locations across the province for in-depth research, including implementation of the ALI language data questionnaire. Data generated by the study have resulted in two language distribution maps as well as a series of linguistic structure maps. Initial analysis of lexical and phonological data provides insight into defining features of each language as well as structures shared between them as a result of language contact in the region.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,075
Score d'incertitude au seuil0,149

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,004
Études des sciences et des technologies0,0020,003
Communication savante0,0020,002
Science ouverte0,0000,001
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 Opus0,027
Tête enseignante GPT0,235
Écart entre enseignants0,208 · 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

Citations3
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Linguistic GeographyMême sujetLanguage, Linguistics, Cultural AnalysisTravaux en français237 207