Beyond the Isogloss: The Isograph in Dialect Topography
Notice bibliographique
Résumé
Isoglosses do not accurately reflect the patterns of linguistic use in a geographical region, because the isolated conservative forms they are based on fail to represent the actual variants extant in the population. I have developed a new dialect atlas tool, the isograph, that will enable researchers to quickly find dialect trends in more representative data sets. Using Canadian and American data from the Dialect Topography database, I show how isographs can illuminate our understanding of linguistic boundaries at the provincial, national, and cross-border levels. Unlike dialect geography, dialect topography collects data from people of all ages and backgrounds, and provides a multidimensional picture of how variants are used in a community (Chambers 1994, 1998). Because variants occur in different proportions in each community, analysis is necessarily quantitative, which necessitates abandoning the traditional isogloss, as discrete datum points common to dialect geography are no longer available. The isograph maps similarities between regions by comparing adjacent regions and plotting potential channels for language spread between the regions (Figure 1). For each region, percentage differences from its neighbours are calculated, and a line is drawn between it and its neighbour(s) with the least difference. When all lines of minimum distance have been drawn for all regions, the result is a constellation-like pattern that clearly groups together the most similar regions (e.g., zee/zed, Figure 2). While statistical analyses remain the most reliable way to group together similar regions, the isograph method will provide a rapid picture of gross linguistic differences. I analyze the isographs of 29 phonological and pronunciation variables from the Dialect Topography of Canada using the on-line database and atlas and an isograph program. From the
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».