Notice bibliographique
Résumé
The HLVC project applies consistent methods of data collection, analysis, and interpretation to a range of languages and dependent variables. This is meant to mitigate the pattern of diverse findings from diverse studies that may partially result from diverse methods. This chapter therefore describes how the corpus is constructed, focusing on the cross-linguistic, cross-generational, and multi-method design, and gives details about recruiting, recording, and transcription of the sociolinguistic interview, the ethnic orientation questionnaire, the picture description task, and the consent procedure. It then describes the workflow for data processing and metadata construction, describing both how the corpus is organized (to be useful to additional researchers) and how we have analyzed variation of a number of variables to date. These include prodrop, case-marking, VOT, and (r) across multiple languages, apocope and differential object marking in Italian, and tone mergers, classifiers, motion-even marking, denasalization (an element of so-called lazy pronunciation, 懶音 laan5 jam1 ), and vowel space in Cantonese. It details the methods of analyzing ethnic orientation and several proxies for fluency (speech rate, vocabulary size, language-switching measures). Finally, it describes the methods used for constructing and comparing mixed-effects models for cross-variety comparisons in order to distinguish contact-induced change, internal change, and identity-marking variation.
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 | 0,013 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,009 | 0,005 |
| Science ouverte | 0,006 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,203 | 0,090 |
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 ».