How to investigate implicit pragmatic phenomena in corpora
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Corpus pragmatics research mainly employs methods based on explicitly available, automatically searchable forms in corpora. However, there are pragmatic phenomena which do not have explicit forms; therefore, they are difficult to identify in corpora. The present paper aims to examine possibilities of studying implicit pragmatic phenomena in large corpora. Relying on the Hungarian Gigaword Corpus, it provides case studies on implicit arguments, conventional indirect speech acts and implicatures in Hungarian language use. The first case study analyses occurrences of the verb iszik ‘drink’ with implicit direct object arguments in its habitual reading ‘drink alcohol’, the second explores conventionally indirect directives with the verb tud ‘can’, and the third examines implicatures suggested in dispreferred second pair parts. The main conclusion of the paper is that only a corpus-based investigation is possible in studies of implicit pragmatic phenomena, but even this is restricted. Searching for certain explicit patterns in the corpus, combined with a manual, qualitative pragmatic analysis might lead us to identifying implicit pragmatic phenomena. Consequently, corpus methodology and traditional pragmatics research methods can be fruitfully combined. • Corpus-based method can be employed in the study of implicit pragmatic phenomena. • Traditional methods are indispensable in investigations of hidden pragmatic phenomena. • Implicit phenomena can be found in corpora by searching for certain explicit patterns. • Corpus study reveals a rich variety of linguistic devices to form indirect directives. • Sequential context plays a crucial role in a corpus-based study of implicatures.
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 découle