(Dia)lects in the 21st century
Notice bibliographique
Résumé
This book offers an in-depth exploration of contemporary issues and methodologies in the fields of dialectology and sociolinguistics. Readers will find a diverse collection of studies that examine how language varies and changes across different regions, communities, and social contexts. The book covers a wide range of languages, including German, English, Yiddish, Russian, and Japanese, providing a global perspective on linguistic diversity. Key themes include the use of modern data sources, such as social media, to study language patterns and the impact of digital communication on regional dialects. The book also addresses the dynamics of language contact in expatriate communities, revealing how speakers adapt and merge linguistic features from different dialects. Several chapters focus on the evolution of dialectological research, offering critiques and new approaches to studying regional language variations. Readers will also encounter innovative methods, such as cognitive geography, which uses mental representations of space to understand dialect variation, and tone distance measures, which are crucial for studying tonal languages. Additionally, the book presents case studies on how non-experts perceive and categorize dialects, providing insights into the public's understanding of linguistic diversity. It also tackles challenges in selecting dialect speakers for research, especially in urban environments, where traditional criteria may no longer apply. Overall, this book is a valuable resource for linguists, researchers, and anyone interested in the complex and ever-changing landscape of human language. It highlights the importance of adapting research methods to keep pace with the evolving nature of language and offers fresh perspectives on how we study and understand dialects and language variation.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».