Code-Mixing in the Conversation of Northern Khmer Speakers in Thailand: A Case Study of Teenagers and Middle-Aged Northern Khmer Speakers in Buriram Province
Notice bibliographique
Résumé
This study aims to examine the linguistic performance of code-mixing by Northern Khmer (NK) teenagers in Buriram Province while conversing with NK middle-aged speakers in their community. It focuses on types of linguistic units or categories of code-mixing that occur in NK conversation and also on the various situations in which that linguistic unit occurs. It is found that code-mixing between NK and the Thai language occurs on three linguistic levels: morphological, syntactic, and discourse. On the morphological level, 7 categories of Thai words are found: noun, verb, adjective, final particle, quantifier, conjunction, and exclamation word. Three types of code-mixing are found on the syntactic level: Inter-Sentential, Intra-Sentential, and Extra-Sentential Code-Mixing. On the discourse level, code-mixing occurs in the middle and at the end of the NK discourse. There are 6 different situations in NK conversations where these types of code-mixing occur: (1) Greetings (2) Expressing appreciation (3) Expressions of politeness (4) Telling information (General and Specific) (5) Indicative mood, Lexical meaning, and Sentence structure, and (6) English loan words further borrowed from the Thai language. It is also found that NK speakers adopt the morphological processes of reduplication, the sentential structure, and serial verb construction when utilizing the Thai language to mix in their NK word formation and NK sentence structure. Lastly, NK speakers borrow English loanwords from Thai, instead of borrowing them directly from English.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».