MétaCan
Menu
Retour à la cohorte
Enregistrement W7164880590 · doi:10.5281/zenodo.20421524

Polysemic Extensions of War and Violence in a Corpus Tok Pisin

2025· article· W7164880590 sur OpenAlexaff
Jocelyn McKnight

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2025
Typearticle
Langue
DomainePsychology
ThématiqueLanguage, Metaphor, and Cognition
Établissements canadiensUniversity of Lethbridge
Organismes subventionnairesnon disponible
Mots-clésMetonymyMeaning (existential)MetaphorCognitive linguisticsHistorical linguisticsCognitive semanticsVocabularyArgument (complex analysis)Semantics (computer science)

Résumé

récupéré en direct d'OpenAlex

Catalyzed by an early history of forced displacement of Melanesian people, Tok Pisin has flourished into a stable language of mixed origins in Papua New Guinea. This paper presents a semantic analysis of Tok Pisin vocabulary associated with war and violence, while focusing on how these lexemes have undergone polysemic meaning extensions. The study is conducted on the Slone Corpus (Slone 2001), comprised of 873,347 tokens, containing Tok Pisin folktales from 1972–1997 in Wantok Niuspepa and compared with dictionary data from the Mihalic dictionary (1971). In addition to tracing polysemy, the analysis considers constructions in which body parts are grammatically lexicalised instruments within verbal structure as seen in example (1) and (2). 1. Ol i paitim han . pl pm hit-tr hands ‘They clap their hands.’ 2. Em paitim het bilong em. 3sg hit-tr head poss 3sg ‘He struck his head.’ The methodology combines three approaches. The first is etymological tracing for composite languages; this is adopted from Mühlhäusler (1984) to reconstruct the diachronic development of lexemes, and accounts for phonological, semantic, and structural blending. The second approach is semantic analysis grounded in Cognitive Linguistics to classify changes and identify how polysemic extensions emerge through conceptual associations; specifically, this paper examines metonymy (Ruiz de Mendoza 2000) e.g., striking action for rhythmic activity as seen in example (1) and (3), and metaphor (Lakoff & Johnson 1980) e.g., argument is war as seen in example (4). The third approach is corpus linguistics, which is used for textual processing. 3. Ol manmeri ol i paitim kundu. pl people pl hit-tr drum ‘The people beat the drum.' 4. Bikpela kukurai i bin paitim toktok. big meeting pm pst fight-tr talk ‘The big meeting argued.’ Ultimately, this paper contributes to etymological studies for contact languages and cognitive semantics by modelling how lexical meaning develops, stabilizes and grows within a mixed language. Works Cited Lakoff, George & Mark Johnson. 1980. Metaphors we live by. Chicago: Chicago University Press. Mihalic, f. 1971. Jacaranda Dictionary and Grammar of Melanesian Pidgin. Jacaranda Press Muhlhausler, Peter. 1984. Etymologising and Tok Pisin. In Wurm, Stephen Adolphe, and Peter Muhlhausler (eds.), In Handbook of Tok Pisin (New Guinea Pidgin). Pacific Linguistics Series C, 70. 177-217. Ruiz de Mendoza Ibáñez, Francisco José. 2000. The role of mappings and domains in understanding metonymy. In Antonio Barcelona (ed), Metaphor and metonymy at the crossroads: A cognitive perspective. Slone, Thomas H., ed. 2001. One Thousand One Papua New Guinean Nights: Tales form 1972-1985. (1). Masalai Press.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,005
Études des sciences et des technologies0,0020,002
Communication savante0,0020,002
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,025
Tête enseignante GPT0,282
Écart entre enseignants0,257 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetLanguage, Metaphor, and CognitionTravaux en français237 207