Names in India: History, Colonialism, Renaming, Contemporary Issues
Notice bibliographique
Résumé
With a population of just over 1.4 billion, India has just become the most populous country in the world, and the seventh largest by land area (3,287,263 sq. km). India has enjoyed a rapid recent rise to prominence on the world stage, both politically and economically. Yet very little is known by “Western” scholars about naming in India, whether naming of people or of places. India is a very diverse land, with many cultures, religions, languages, climates, and geographies. Added to this are India’s colonial past (British, French, Portuguese), various other rulers and influencers over the years (e.g., Mughals), social factors such as the caste system, all leading to very complicated systems of naming, with much regional and ethnic variation. This paper will give an overview of relevant history and colonial influences, before moving on to several phases of post-colonial renaming/respelling of toponyms (e.g., Bombay/Mumbai, Madras/Chennai). I will then turn to personal naming systems, looking at different systems as determined by social class and caste, religion, gender discrimination, and other features such as northern (Indo-European) vs. southern (Dravidian). Throughout, there will be attention to the sociological and sociopolitical contexts of contemporary India, as well as the influence of English and “Western” culture.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,013 |
| Études des sciences et des technologies | 0,014 | 0,031 |
| Communication savante | 0,015 | 0,010 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».