MétaCan
Menu
Retour à la cohorte
Enregistrement W4367723283 · doi:10.37058/jelita.v2i1.6435

Orthographic Nativization of Hispanic Content Words in Waray Visayan

2023· article· en· W4367723283 sur OpenAlexaboutno aff
Robertgie Laprodes Piañar

Notice bibliographique

RevueJELITA Journal of Education Language Innovation and Applied Linguistics · 2023
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLinguistics, Language Diversity, and Identity
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLinguisticsRoot (linguistics)NounPrefixNarrativeHistoryPhilosophy

Résumé

récupéré en direct d'OpenAlex

This linguistic study investigates the orthographic nativization of Hispanic borrowed words in Waray Visayan written discourse. The textual source is a news article from Isumat News Portal written in Waray Visayan titled COVID Laboratory ha EVRMC magtitikang na an operasyon. Through a descriptive research method, the words are lexically analyzed as to content words, English equivalents, root words, Spanish equivalents, native affixes, and nativization processes. The analysis reveals that the Hispanic nouns, verbs, and adjectives borrowed by the Waray Visayan article are nativized through full lexical adoption, changing or replacement of letters, orthographic mutation, and adding of native prefixes and suffixes. Thus, the Spanish loanwords have been Filipinized in the Waray linguistic community where sociocultural, economic, and religious activities exist. This further shows that the Spanish words have found unique structure and expression in the Waray Visayan written discourse, not only in literary narratives like the study of Quebec (2021), but also in non-fiction, news article in particular. In effect, it is recommended to conduct the same study with a bigger number of corpora in both written and spoken discourses in Waray Visayan and across the Philippine languages to explore the reach of Hispanic word borrowing and nativization and to investigate other linguistic changes as they undergo nativization. Keywords: Lexical analysis; word borrowing; nativization; Hispanic words; Waray Visayan language.

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)0,000
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,042
Tête enseignante GPT0,281
Écart entre enseignants0,239 · 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'étudeObservationnel
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJELITA Journal of Education Language Innovation and Applied LinguisticsMême sujetLinguistics, Language Diversity, and IdentityTravaux en français237 207