MétaCan
Menu
Retour à la cohorte
Enregistrement W4368367911 · doi:10.1515/jjl-2023-2008

Verb repetition as a template for reactive tokens in Japanese everyday talk

2023· article· en· W4368367911 sur OpenAlexaff
Ryoko Suzuki, Tsuyoshi Ono, Saori Daiju

Notice bibliographique

RevueJournal of Japanese Linguistics · 2023
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLanguage, Discourse, Communication Strategies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésVerbLinguisticsRepetition (rhetorical device)PsychologyMeaning (existential)Philosophy

Résumé

récupéré en direct d'OpenAlex

Abstract A systematic investigation into the first large scale Japanese conversation corpus reveals that repeated verbs (RVs) occurring in the response position tend to involve frequently used verbs such as aru ‘to exist’ and chigau ‘to differ’ (e.g., aru aru aru ). Further, longer RVs, those involving more repetition, are even more likely to occur with frequent verbs. In RVs, we find the verb having lost some of its lexical meaning and phonological substance (e.g., chigau > chiga ). RVs in fact behave more like pragmatic particles functioning as reactive tokens, i.e., short responses interjected by non-main speakers. RVs as reactive tokens are most clearly observed when they are used together with standard reactive tokens such as hai hai hai hai ‘yes, yes, yes, yes’, so(o) so(o) so(o) ‘yes, yes, yes’, and (i)ya (i)ya (i)ya ‘no, no, no’, which also exhibit repetition and phonological reduction. Verb repetition is thus better understood as a template to turn verbs into reactive tokens.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,499
Score d'incertitude au seuil0,585

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,055
Tête enseignante GPT0,329
Écart entre enseignants0,274 · 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.

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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Japanese LinguisticsMême sujetLanguage, Discourse, Communication StrategiesTravaux en français237 207