Negatively Marked Vocabulary in Ukrainian-Language Journalism of the First Quarter of the 21st Century
Notice bibliographique
Résumé
Статтю присвячено дослідженню різноманітної негативно маркованої лексики в українськомовному публіцистичному стилі першої чверті ХХІ століття. Актуальність розвідки зумовлено постійним і неухильним чисельним збільшенням названих слів в загальнонародній мові загалом і в публіцистичному функційному різновиді зокрема, а також зростанням інтересу сучасної лінгвістичної науки до цієї проблематики. Матеріалом для цієї статті слугували понад 200 одиниць, одержаних методом суцільної вибірки з названого стилю української мови (газет, журналів, програм і передач радіо й телебачення) за 2000–2025 роки. На першому етапі виявлено й розглянуто головні позамовні та внутрішньомовні чинники, що сприяли виникненню та активному функціонуванню значної кількості негативно маркованих слів у сучасній публіцистиці. Особливу увагу було зосереджено на вивченні генезису студійованих одиниць. В українськомовному публіцистичному стилі першої чверті ХХІ століття виявлено й ґрунтовно проаналізовано такі основні джерела поповнення негативно маркованих лексем: власне розмовні слова, різноманітні жаргонізми, сленгізми, арготизми, авторські неологізми, запозичення, діалектизми. Серед тематичних груп засвідчено різноманітні назви осіб, зокрема одиниці на позначення зовнішнього вигляду людини, її розумових здібностей, а також збірні іменники, номінації дій і станів, ознак і якостей.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,005 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».