‘What the X’ in Anglophone government meetings: Areal distribution, emotionality, and euphemism
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
• Offensive expressions vary by region in English-speaking government meetings. • Euphemisms vs. “what the hell” differ in emotional intensity and acceptability. • emotion2vec reveals anger levels in speech across English-speaking countries. This article examines the use of potentially offensive expressions, specifically “what the hell” and its euphemistic variants, in local government meetings across English-speaking countries. Two primary research questions are addressed: first, are there noticeable differences in the frequency of these expressions between countries and within regions? And second, how do euphemistic alternatives compare to “what the hell” in terms of emotional intensity and valence, both across and within national varieties? The study draws on data from three large, recent corpora of geolocated automatic speech recognition (ASR) transcripts and the corresponding underlying audio to explore the geographic distribution and emotional nuances of these expressions in various English-speaking countries, including the US, Canada, the UK, Ireland, Australia, and New Zealand. To assess the emotionality of expressions, specifically anger, the speech emotion recognition model emotion2vec is employed. The findings provide insight into how the acceptability and emotional weight of “what the hell” and variants differ across regions. Additionally, the study demonstrates the potential of vector-based representations of speech in multimodal corpus analysis, while empirically validating theoretical claims in semantics related to pejoration and euphemism.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 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