MétaCan
Menu
Retour à la cohorte
Enregistrement W4385561267 · doi:10.37892/2713-2951-4-8-61-86

ЯЗЫКОВАЯ ПОЛИТИКА И ЯЗЫКОВОЕ ОБРАЗОВАНИЕ В СССР В ПОСЛЕВОЕННЫЙ ПЕРИОД

2021· article· ru· W4385561267 sur OpenAlexfundno aff
Елена Владимировна Шелестюк

Notice bibliographique

RevueSociolingvistika · 2021
Typearticle
Langueru
DomaineEngineering
ThématiqueMilitary Technology and Strategies
Établissements canadiensnon disponible
Organismes subventionnairesFitzwilliam College, University of CambridgeUniversity of TorontoOpen Society InstituteUniversity of OxfordUniversity of CambridgeUniversity of Glasgow
Mots-clésMedicine

Résumé

récupéré en direct d'OpenAlex

В статье дается обзор основных этапов национальной и языковой политики в СССР в период после Великой Отечественной войны и показываются причинно-следственные связи принятия тех или иных государственных решений. Анализ разнообразных факторов обнаруживает определенную динамику национальной и языковой политики СССР, зависящую от внутриполитической ситуации и международного положения. Эта политика колеблется от либерального законодательства, предусматривающего демократическое самоуправление национальных территориальных единиц, использование национальных (этнических) языков в сфере образования и администрации, организацию и финансирование структур для развития национальных культуры, литературы, СМИ и языков до таких мер, как укрепление наиболее многочисленного национального языка как языка межнационального общения (а также титульных языков автономных республик), возврат к объединяющей патриотической идеологии и образованию, гражданская и государственная консолидация, формирование «единого народа». Кроме того, существует значительная зависимость культурно-языковой политики от потребностей модернизации и технического прогресса, но этот фактор, в целом усиливая положение многочисленного языка межнационального общения (русского), также предполагает развитие языков других этносов и национальностей, основанное на практике переводов с/на Н-язык, заимствования и обогащения терминологии.

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)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil0,129

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0040,007
Communication savante0,0130,006
Science ouverte0,0010,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0390,013

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 Opus0,013
Tête enseignante GPT0,233
Écart entre enseignants0,220 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSociolingvistikaMême sujetMilitary Technology and StrategiesTravaux en français237 207