MétaCan
Menu
Retour à la cohorte
Enregistrement W4313408384 · doi:10.15845/bells.v12i2.3832

Communities of practice and lexical variation in the Montréal Turkish community

2022· article· en· W4313408384 sur OpenAlexaboutno aff
Utkan Boyacıoğlu

Notice bibliographique

RevueBergen Language and Linguistics Studies · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueFrench Language Learning Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTurkishSociologyEthnic groupEthnographySocializationParticipant observationImmigrationIdeologyGender studiesStyle (visual arts)PoliticsSocial scienceGeographyPolitical scienceAnthropologyLinguisticsLaw

Résumé

récupéré en direct d'OpenAlex

This study examines the social organization of the Turkish community in Montréal and its influence on language use. The Montréal Turkish community has been growing since the 1960s as a result of various waves of migration. Bilge (2004) explained the fragmented structure of the community through ethnicity (Turks, Kurds and Armenians). However, conservative movements have grown stronger in the last two decades in Turkey and recent socio-politic changes are mostly based on religion rather than ethnicity. I anticipate that these sociological changes in Turkey have an impact on the organization of the Turkish community in Montréal and that I can observe the social identity of the members of the Turkish community in Montréal through lexical variation. To verify this prediction, I used a dual methodology: participant observation and analysis of the words used by participants to describe the structure of the Montréal Turkish community, the group to which they feel they belong, and other groups. The ethnographic study confirms that conflicts triggered by the socio-political structure and national ideology in the country of origin are determining factors in the organization of the Montréal Turkish community. Montréal Turks form an immigrant community divided into at least two communities of practice, traditionalist and progressive, each with its own socialization sites and its own discourse/style.

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)0,004
score de la tête « metaresearch » (Gemma)0,016
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
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 enseignants0,086
Score d'incertitude au seuil0,992

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,016
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,049
Tête enseignante GPT0,380
Écart entre enseignants0,330 · 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.

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 revueBergen Language and Linguistics StudiesMême sujetFrench Language Learning MethodsTravaux en français237 207