MétaCan
Menu
Retour à la cohorte
Enregistrement W4415321387 · doi:10.1515/flin-2025-0084

Operationalizing grammatical metaphor

2025· article· en· W4415321387 sur OpenAlexaff
Lise Fontaine, Miriam Taverniers, Stella Neumann

Notice bibliographique

RevueFolia Linguistica · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueLanguage, Metaphor, and Cognition
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésMetaphorOperationalizationNounEncoding (memory)Process (computing)Selection (genetic algorithm)Systemic functional linguisticsNominalization

Résumé

récupéré en direct d'OpenAlex

Abstract Nominal grammatical metaphor (NGM), as theorised within systemic functional linguistics (SFL), typically refers to cases where a process is ‘metaphorically’ encoded through nominal resources, rather than its typical encoding through the clause. Previous approaches to the study of NGM have generally relied on the concepts of agnation and congruence, but these concepts can be quite subjective in nature, leading to an unstable account of the phenomenon. This paper evaluates the theoretical status and methodological implementation of NGMs. Our aim is to consider whether Aktionsart can offer a means of operationalizing NGM. We analyzed 492 nouns from a random selection of 200 sentences in the PopSci register of the CroCo corpus. The nouns were analyzed separately by different coders in terms of (i) grammatical metaphor status and (ii) their ontological status combined with an analysis of Aktionsart. Our statistical analysis shows that adopting an Aktionsart approach provides a more nuanced and anchored methodology for the analysis of NGMs as it not only provides a more consistent and robust analysis, but it also enables us to specify subtypes of nominal grammatical metaphor based on their subtler semantic characteristics.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,025
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,003
Études des sciences et des technologies0,0010,007
Communication savante0,0020,004
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,023
Tête enseignante GPT0,340
Écart entre enseignants0,317 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFolia LinguisticaMême sujetLanguage, Metaphor, and CognitionTravaux en français237 207