MétaCan
Menu
Retour à la cohorte
Enregistrement W4394999187 · doi:10.53103/cjlls.v4i2.160

Testing the Intelligibility of Nigerian Fali to Cameroonian Fali, Bana and Gude Listeners

2024· article· en· W4394999187 sur OpenAlexvenueno aff
Abbo Garou, Michael Etuge Apuge

Notice bibliographique

RevueCanadian Journal of Language and Literature Studies · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueLinguistic Studies and Language Acquisition
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineAudiology

Résumé

récupéré en direct d'OpenAlex

Using the word 'Fali' to identify a group of people and languages in northern Cameroon and Nigeria has caused significant challenges to the classification of the languages and the description of the link between those communities. This study aims at testing the intelligibility of Nigerian Fali to Cameroonian Fali (CamFali), Bana and Gude speakers in order to bring out the relationship between the languages. Participants to the study include 88 Cameroonian native and fluent speakers of the above listed languages, made up of 46 CamFali speakers from the Bossum, Kangu, Peske-Bori and Tinguelin communities, 35 Gude speakers from Gude dialect (Gude D), Djimi and Njanyi, and 7 Bana speakers. The informants were met either in-person or online (through WhatsApp), and they listened to 3 recordings from 3 dialects of Nigerian Fali, namely Vimtim, Bahuli and Muchalla which were obtained from Global Recordings Network to test the listeners' recognition and comprehension of the languages. The findings indicated that the 3 languages are neither intelligible to CamFali nor to Bana listeners, but they are rather variants of Djimi which in turn is a dialect of Gude. The study also revealed that from the 3 dialects of Gude, Djimi is more related to Gude D than Njanyi. It was therefore concluded that Nigerian Fali is not related to CamFali and Bana, but it is rather Gude, which confirms that the word 'Fali' does not refer to specific people with common ancestral or linguistic background.

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)0,001
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,418
Score d'incertitude au seuil0,304

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 Opus0,020
Tête enseignante GPT0,284
Écart entre enseignants0,264 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Language and Literature StudiesMême sujetLinguistic Studies and Language AcquisitionTravaux en français237 207