ФАКТОРЫ, ОБУСЛОВЛИВАЮЩИЕ ВЫБОР GET-ПАССИВОВ В АНГЛИЙСКОМ ЯЗЫКЕ: КОРПУСНОЕ ИССЛЕДОВАНИЕ
Notice bibliographique
Résumé
This paper is part of the ongoing research project concerning the syntax of passive construction in English. Passive construction is notorious in both linguistics and education for its complex structures, varied meanings and implications, and the presence of numerous comparable constructions. To tackle these challenges, the purpose of this project is twofold. First, it contributes to a comparative study of the passive construction in English, Japanese, and other languages. Second, it contributes to pedagogy. To reach these aims, this paper uses a variationist framework to analyze a corpus of English passives. It also extends to descriptive and generative frameworks. The present study analyzes the English passives, specifically be-passives and get-passives, in Quebec, Canada, to identify the conditioning factors influencing their selection. The tokens of the passive sentences are examined in terms of their relations to age, sex, and social classes, as well as syntactic properties (e.g., agentivity). It is proposed that the choice of get-passives is affected by three independent factors: age, the presence or absence of a by-phrase, and the types of verbs used and how they are subcategorized and dynamic. Even though the corpus used in this study is fairly small, it contributes to the field by looking at a type of passive construction that has not been looked at much from different theoretical and descriptive angles. It also makes suggestions about how to do the research and what these findings mean for the form-meaning interface.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».