A Corpus-Based View Of Lexical Gender In The Inner Circle Countries Of The English Language
Notice bibliographique
Résumé
For many centuries, gender becomes a never-ending topic to be discussed due to its impact towards society. Gender differences may occur by means of language which is the basis of people’s communication. In English language, the gender differences can be detected from lexical gender. Since English is an International language, it is necessary to see the Inner Circle countries by Kachru. The Inner Circle countries refer to where English is originally used and developed in which consists of five countries: the United States, Canada, Great Britain, Australia and New Zealand. Due to the similarity of their first-language, it is important to see one of gender terminological distinctions by Hellinger and Bussman i.e. lexical gender in which can be found in the use of forms of addresses and the use of professional titles. This study is a mixed-method of textual based study. This study uses corpus linguistics as the research approach and glowbe as the corpus tool to gather the big amount of data. The result shows that the most frequent form of address in the Inner Circle is the word Mr. It occurs not only because men only have one marital status but also people nowadays live in the patriarchal society. Meanwhile, the most frequent professional titles for male refer to the high status occupational titles i.e. Professor and Doctor. Men have greater figures in all countries in which it indicates that men are above women. For the most frequent female professional titles refers to the low status occupational titles i.e. in the word Nurse in which indicates that women are more likely to be placed beneath men and more associated with a job that is more into emotional feeling related. From the findings that have been obtained, it is now crystal clear that the most gender bias country is United States in which it can be seen from the results of the difference of both lexical gender terms. This case means that the society of United States still tend to side onto male party.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 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 ».