MétaCan
Menu
Retour à la cohorte
Enregistrement W4387079362 · doi:10.1017/9781108766463.027

Sociolinguistic Implications of Orthographic Variation in French

2023· book-chapter· en· W4387079362 sur OpenAlexaboutno aff
Sandrine Tailleur

Notice bibliographique

RevueCambridge University Press eBooks · 2023
Typebook-chapter
Langueen
DomaineArts and Humanities
ThématiqueHistorical Linguistics and Language Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOrthographySpellingVariation (astronomy)SociolinguisticsLinguisticsLanguage changeSociolinguistics of sign languagesNorm (philosophy)Written languageDiglossiaSociologyNatural languageNeuroscience of multilingualismPolitical scienceReading (process)

Résumé

récupéré en direct d'OpenAlex

This chapter discusses selected studies of orthography that focus on the spelling practices by mere users of the language (in crucial opposition to actors from the literate elite – norm makers), concentrating on what they reveal about processes of language change as exemplified by spelling variation. The chapter supports the idea that, within the field of historical sociolinguistics, orthographic variables are now considered a type of linguistic variables. The author shows, on the basis of specific historical sociolinguistic studies, that writers’ variable choices of orthography can inform us about broader mechanisms of language change, but always alongside other types of variation or linguistic information. This chapter examines almost exclusively material from the French language, with the studies under consideration addressing either regional French in France or different varieties of French in Canada. The author situates French orthographic variables within the broader language evolution context, explicating what information spelling variation discloses about the writer’s attitudes toward the (written or spoken) norm, toward the written form, and toward the writer’s linguistic community as a whole. The author also considers how spelling variation compares to other types of language variation in order to contribute to a greater understanding of language change.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,992
Score d'incertitude au seuil0,824

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,038
Tête enseignante GPT0,211
Écart entre enseignants0,173 · 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'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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooksMême sujetHistorical Linguistics and Language StudiesTravaux en français237 207