Tracking the language of COVID-19 for communication: at a glance… / Profesor Madya Dr. Norwati Hj Roslim ... [et al.]
Notice bibliographique
Résumé
Word of the Year 2020: Collins Dictionary has declared lockdown as the word of the year due to its sharp rise in usage during the COVID-19 pandemic (https://www.collinsdictionary.com/). Merriam-Webster’s Word of the Year for 2020 is pandemic due to its extremely high numbers of looked up in online dictionary (https://www.merriam- webster.com/). The Oxford English Dictionary (OED), however, has been unable to name its traditional Word of the Year for 2020, instead exploring how far and how quickly the language of COVID- 19 has developed in its report titled, "Words of an Unprecedented Year" (https://edition.cnn.com/). Corpus Analysis of the Language of COVID-19: The Coronavirus Corpus (Mark Davis, 2020) highlights what people are actually saying in online newspapers and magazines in 20 different English- speaking countries. This includes words and phrases such as social distancing, flatten the curve and pandemic (https://www.english-corpora.org/). A comparison between regions shows, although the word front liner is used worldwide, it is particularly frequent in South East Asia, especially the Philippines and Malaysia. Self-quarantine is more common in the US than in Canada, Great Britain, Ireland, Australia and New Zealand, where self-isolate and self- isolation are preferred. Words occurring near frontline are “frontline nurse/ medic/caregiver”, “frontline healthcare/health-care workers”, “frontline warrior/hero”, “courageous/heroic frontline workers” and “essential frontline worker” (https://public.oed.com/).
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 | 0,002 |
| 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 | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».