MétaCan
Menu
Retour à la cohorte
Enregistrement W4389074410 · doi:10.1093/ijl/ecad029

Annette Klosa-Kückelhaus and Ilan Kernerman (eds.). 2022. Lexicography of Coronavirus-related Neologisms

2023· article· en· W4389074410 sur OpenAlexaboutno aff
Xu Hai, Li Lan

Notice bibliographique

RevueInternational Journal of Lexicography · 2023
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLinguistics, Language Diversity, and Identity
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNeologismLexicographyChinaHistoryPhilosophyLinguisticsArchaeology

Résumé

récupéré en direct d'OpenAlex

The book Lexicography of Coronavirus-related Neologisms is a timely response to the challenges posed by the expansion of neologisms amid the COVID-19 pandemic, an unprecedented global health crisis. Since lexicography ‘has always had to adapt to developments in society and language’ (p. 2), it becomes the indispensable duty of lexicographers to identify, analyse, and incorporate neologisms into their work. In the Introduction, Klosa-Kückelhaus and Kernerman provide an overview of the research background and outline the main contents of this volume. The book is a compilation of papers presented at the Third Globalex Workshop on Lexicography and Neology (GWLN 2021), an online conference specifically focused on the intersection of neology and lexicography. The editors highlight that the studies within this volume explore various aspects of neologisms, including their origin, distribution, identification, and evaluation. The volume is structured into four distinct groups of papers, each addressing these topics in-depth. The first group consists of three papers that delve into Coronavirus-related neologisms in English, German, and Korean. These papers are the outcome of extensive neological and lexicographic research conducted within the authors’ respective institutions during the pandemic. In the first paper, Salazar and Wild discussed how the Oxford English Dictionary identified and documented, on the basis of the 14-billion-words Oxford Languages’ monitor corpus of English and other text databases, the language of COVID-19 in its special updates of COVID-19-related words and Words of an Unprecedented Year report in 2020. The term Covid-19 is one of the most noticeable lexical innovations, and blending and compounding are among the most productive methods of neology (e.g., producing neologisms like covidivorces, Zoombombing and pancession). Most of the pandemic neologisms are existing words acquiring new sense or gaining special significance, like social distancing, lockdown and coronavirus, and some scientific terminology is incorporated into general discourse, such as reproduction number and community transmission. Some of the neologisms show regional variation (e.g., self-isolate (Canada, Great Britain, Ireland, Australia, and New Zealand) vs. self-quarantine (USA), and circuit breaker (Great Britain and Singapore).

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,327
Score d'incertitude au seuil0,621

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,027
Tête enseignante GPT0,271
Écart entre enseignants0,244 · 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'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 revueInternational Journal of LexicographyMême sujetLinguistics, Language Diversity, and IdentityTravaux en français237 207