Notice bibliographique
Résumé
The aim of this study is to investigate the distribution and semantics of the most frequently used key verbs in English academic discourse based on the data from the corresponding sections of the English language corpora, i.e., the British National Corpus (BNC), the Corpus of Contemporary American English (COCA), the Strathy Corpus of Canadian English (Strathy), and the specialized British Academic Written English Corpus (BAWE). Verbs are regarded as indispensable meaningful building blocks of academic texts contributing to the implementation of their main communicative functions (Hinkel 2004; Granger and Paquot 2009b; Frels et al. 2010). The corpus-driven methodology applied in this research is based on normalized frequencies of verbs in the English corpora, providing insights into the prevailing linguistic patterns, semantic features, and common conventions that define the language used in academic contexts. As a result of the juxtaposition of reference and study corpora, key verbs are identified in the Academic sections of the British, American and Canadian English corpora, in the Written Academic section of the BNC and in its field subsections, i.e., humanities, natural sciences, political law education, social sciences, technical engineering; in the corpus of spoken academic English in comparison to written academic English corpus and in the texts of non-native English authors with different first languages. The semantic grouping of the key verbs is performed automatically using the UCREL semantic analysis system (Archer et al. 2002). Similarity groups for the discipline sections have been determined by calculating the Jaccard similarity coefficient. The comparison of verb keyness across the corpora reveals interdiscursive similarity and provides clues about the thematic and conceptual preferences across varieties of English, academic areas, and native and non-native English authors. The obtained quantitative corpus data serve as a foundation for uncovering subtle nuances of verb use in English academic discourse. This comprehension appears beneficial not only for EAP (English for Academic Purposes) learners and educators but also for promoting scholarly communication and enhancing understanding within global academic communities.
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 | 0,000 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».