Topicality and the problem of “topic” in American Sign Language discourse
Notice bibliographique
Résumé
American Sign Language (ASL) has been characterized as a topic-comment or as a topic-prominent language. But studies based on actual usage reveal a great deal of variation, leading to the proposal here that the very idea of a definable category of topic should be re-examined. Janzen (2007) proposes a topicality hierarchy for constructions in ASL, finding that the higher degree of topicality an expression has, the less likely it would be found as a marked topic. Only expressions at the lowest levels of the topicality scale occur as marked topics in topic-comment constructions. When the topic content is nominal, marked topic phrases are typically explicit noun phrases or full clauses. Relatedly, marked topics indicate topic shift rather than topic maintenance. In line with Langacker’s (2008, 2013) analysis of topic expressions as reference-point constructions, topics in ASL are subjectively chosen by signers as a pragmatic framing mechanism, given that the signer might have multiple viable reference points from which to choose. It is also an intersubjective choice, taking into account assumptions regarding the addressee’s knowledge store. If “topic” is a language-specific notion, characterizing topic as a cross-linguistic category may be problematic. It is within this context that “topic” is explored in this study of ASL.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,004 |
| Études des sciences et des technologies | 0,006 | 0,019 |
| Communication savante | 0,009 | 0,018 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».