MétaCan
Menu
Retour à la cohorte
Enregistrement W4283163055 · doi:10.5539/ijel.v12n4p44

Revisiting the Description of Tense in English

2022· article· en· W4283163055 sur OpenAlexvenueno aff
Roseline Abonego Adejare

Notice bibliographique

RevueInternational Journal of English Linguistics · 2022
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLexicography and Language Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLinguisticsPast tenseVerbPresent tenseFuture tenseHistoryComputer sciencePsychologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

The controversy surrounding the description of tense in English has remained because scholars have concentrated on carving descriptive niches for themselves rather than paying appropriate attention to its causative factor(s), resulting in three different descriptions: traditional, structural, and systemic. This paper identifies the genesis of the problems, points out how this hinders the attainment of descriptive accuracy, and proffers some solutions. It contends that arguments, such as whether or not there is a future tense for English, stem from the way tense is generally conceptualised. It examined ten standard definitions of tense and found that the keyword grammaticalisation is narrowly interpreted to mean the morphological only, whereas a language’s grammatical system consists of both syntactical and morphological aspects. The non-recognition of the syntactical component—even by grammarians that acknowledge future tense—is the root of the descriptive issues with tense. The paper proposes syntactical marking, achieved by placing the auxiliary WILL/SHALL or BE GOING TO before the base form verb, as the mechanism for future tense marking in English. In effect, English has a three-tense system, and its modes of marking are morphological (for present and past tenses) and syntactical (for future tense).

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)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,009
Communication savante0,0050,009
Science ouverte0,0010,002
Intégrité de la recherche0,0010,003
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 Opus0,028
Tête enseignante GPT0,253
Écart entre enseignants0,225 · 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'étudeThéorique ou conceptuel
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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of English LinguisticsMême sujetLexicography and Language StudiesTravaux en français237 207