Semantic Distinctions in Cognitive Verb-Preposition Combinations: A Corpus-Based Analysis of Of and About
Notice bibliographique
Résumé
The current paper explores the semantic distinctions of cognitive verbs followed by the prepositions of and about through corpus methods, framed within Construal theory, backgrounded in Cognitive Grammar (Langacker, 1986). Construal theory suggests that meaning is shaped by how speakers conceptualize the world around them. The study examines how these verb-preposition combinations reflect different conceptualizations, where verb+ of encodes a more limited partitive construal meaning, while verb+ about signals broader and more holistic construal meanings. The analysis demonstrates that of is used for selective and abstract meanings (recalling and imagining ideas), whereas about implies a closer and more concrete involvement in a given situation. Through using frequency, dispersion, distributional, and collocation measures, the findings demonstrate that of and about systematically alter verb semantics, confirming the construal framework. Differences in frequency of use appear clearly in COCA and BNC, which might be due to regional preferences. Dispersion analysis shows think of/about are more common in spoken English. Know about is more frequent than know of, especially in spoken discourse. Genre analysis reveals different usage patterns in fiction, TV, and blog genres, expressing imaginative situations, feelings, and ideas. The study underscores the interplay between prepositional semantics and usage in context, offering insights for lexicography and theoretical semantics of verb-preposition interaction.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 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 ».