MétaCan
Menu
Retour à la cohorte
Enregistrement W7044321432

Wie lernten Triestiner einmal Deutsch? – Grammatiken der deutschen Sprache für Italiener in der Biblioteca Civica von Trieste (vom 18. Jahrhundert bis zum ersten Viertel des 20. Jahrhunderts)

2022· article· en· W7044321432 sur OpenAlexaboutno aff

Notice bibliographique

RevueArTS Archivio della ricerca di Trieste (University of Trieste https://www.units.it/) · 2022
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueHistorical Linguistics and Language Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGermanGrammarQuarter (Canadian coin)VocabularyValue (mathematics)Subject (documents)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The article focuses on some grammar books published between the 18th century and the first quarter of the 20th century that are available in the Trieste City Library. Trieste belonged to the Habsburg Empire until 1918 and played an important role as its most important port. As a result, knowledge of German also represented an added value for the population. Our interest is in the way German was learned in Trieste at that time by looking at the most widely used grammars. Until the beginning of the 20th century, grammar books had three main features: 1. the predominant presence of Italian as an indispensable aid to learning German, 2. translation exercises, especially from Italian into German, so that the use of certain frequent phrases could turn into translation routines, and 3. lists of vocabulary for learners to memorise. At the turn of the 20th century, the content of readings and exercises changed. There was a transition from topics of a general nature, including literary ones, to topics that attempted to impart cultural knowledge in the broadest sense, which also reflected the change in the socio-political climate.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Études des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,612
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0050,003
Communication savante0,0010,001
Science ouverte0,0020,002
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,067
Tête enseignante GPT0,246
Écart entre enseignants0,179 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArTS Archivio della ricerca di Trieste (University of Trieste https://www.units.it/)Même sujetHistorical Linguistics and Language StudiesTravaux en français237 207