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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,005 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».