Looking at Viewpoint in <scp>ASL</scp> Through a Cognitive Linguistics Lens
Notice bibliographique
Résumé
Central to how signed languages such as American Sign Language (ASL) express the viewpoint of a signer is the space surrounding the signer's body, and primarily that in front of the signer. Perspective-taking, in its most basic form, is physical and perceptual in nature, where signers might map a scene experienced in the past onto their present surrounding space as they engage in narrative discourse. But beyond this, signers also express conceptual viewpoint in terms of how they view, subjectively, more abstract ideas, for example expressing a particular stance toward someone's actions, and space frequently plays a role here too. The expression of viewpoint affects linguistic structure in a variety of ways, for example, when the perspective shifts from one story character to another, referring to various entities must be tracked, for which ASL has particular linguistic mechanisms that signers employ. At an abstract level, ASL has certain constructions that reflect viewpoint, one example of which is topic-comment constructions, where a topic phrase is subjectively chosen (often paradigmatically) as a means of framing a state of affairs, which is one kind of conceptual viewpoint, whereas the comment that follows is a construction containing, pragmatically, the signer's belief or stance regarding that state of affairs. Through a cognitive linguistics lens, we can see how aspects of viewpoint in ASL involve instances of conceptual blends, relying on metaphor and metonymy, body partitioning, and image schemas.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,031 |
| Communication savante | 0,015 | 0,017 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».