MétaCan
Menu
Retour à la cohorte
Enregistrement W4409053480 · doi:10.5430/wjel.v15n5p78

Social Aspects of Cognitive Linguistics: Studying Language Attitudes and Identity

2025· article· en· W4409053480 sur OpenAlexvenueno aff
Алла Куличенко, Halyna Avchinnikova, Yuriy Polyezhayev, Anna Maksymova, Світлана Романчук

Notice bibliographique

RevueWorld Journal of English Language · 2025
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLinguistics, Language Diversity, and Identity
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCognitive linguisticsLinguisticsIdentity (music)Social identity theoryCognitionApplied linguisticsSociologyComputer sciencePsychologySocial psychologySocial groupPhilosophy

Résumé

récupéré en direct d'OpenAlex

The analysis of language attitudes seeks to elucidate various dimensions of linguistic functioning, particularly where the social dimensions of discourse are manifest, such as lexical encoding, interaction positioning, and discursive strategies. It also considers elements aligned with cognitive models that shape language use in specific contexts, cultivated through socialization and the formation of social identity. Linguistic identity, a multifaceted construct, encompasses both linguistic and cultural knowledge and plays a key role in shaping personality. This study examines the linguistic identity of plurilingual students from various Ukrainian higher education institutions, assessing how plurilingualism impacts their identity. Using qualitative analysis of survey data from 31 students collected in autumn 2023, the study explores themes such as the influence of linguistic environments on plurilingualism, language attitudes, and self-identification. The findings indicate that all languages spoken by an individual contribute to shaping their linguistic identity, with self-identification as bilingual or plurilingual influenced by personal language proficiency and relevant language environments. The results support the idea that linguistic identity evolves over time, highlighting the dynamic nature of language and identity in response to varying social contexts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,028
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,151
Score d'incertitude au seuil0,980

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,028
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,292
Écart entre enseignants0,272 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of English LanguageMême sujetLinguistics, Language Diversity, and IdentityTravaux en français237 207