“View and Hide Definitions” of Racist Hate Speech: Ethnophaulisms in Google’s English Dictionary
Notice bibliographique
Résumé
This paper aims to foster debate about the language of racist hate speech in online English lexicography. For this purpose, it presents a study on the treatment of ethnophaulisms, or ethnic slurs, in “powered by Oxford Languages” Google’s English dictionary. The focus is indeed on the perspective of the general user of the Internet, in light of the connection between two facets of this digital age. The first one is the strong and growing tendency among Internet users to ‘google’ their language issues. The second one is the alarming increase in cases of hate speech online, most of which are based on ethnicity and nationality, according to reports by the United Nations. Consequently, the free and pervasive content of Google’s English dictionary represents a case in point to investigate whether and how online users are warned against the power of these hate words. A selected sample of 285 English ethnic slurs have been looked up in the dictionary and, if recorded, their entries have been scrutinised to identify lexicographic data regarding their semantic relevance and offensiveness. Findings show that the majority are included, they mostly present ethnicity-related senses, but less than half of the total are treated as ethnophaulisms. In this respect, the major dictionary markers indicating offensiveness are effect labels, predominantly alone or combined with definitions. Relative to their size, thus, ethnophaulisms in Google’s English dictionary are clearly described as offensive or derogatory expressions, thus making online users aware of their hurtful nature.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,108 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».