Null Subjects in Heritage Languages: Contact Effects in a Cross-linguistic Context
Notice bibliographique
Résumé
This paper presents an overview of the first variable examined in the Heritage Language Variation and Change in Toronto project (Nagy 2009), which strives to apply consistent methodology across multiple language-contact contexts and variables to advance our understanding of contact-induced change. It is principally comprised of sociolinguistic interviews conducted in Toronto with 40 speakers from each of six heritage languages (Cantonese, Faetar, Italian, Korean, Russian and Ukrainian). Participants are also asked about their ethnic identification, language use, and linguistic attitudes (Keefe & Padilla 1987, Hoffman & Walker 2010). Responses are translated into index scores to quantify each speakers' orientation toward their heritage language/culture and their English/"Canadian" culture.\nHere we examine the effects of a constellation of factors (linguistic, typological, demographic, social) on a single linguistic variable: (pro-drop). Our Cantonese, Italian and Russian data, ~6,000 tokens, is contrasted with a sample from the Toronto English Archive (Tagliamonte & Denis 2010). For comparability with previous studies of pro-drop, we examine the effects of continuity of reference (Cameron 1995), contextual/formal ambiguity of the subject's referent (Paredes Silva 1993), clause type (Harvie 1998), priming by the preceding subject (Torres Cacoullos & Travis 2010), person and number of the subject, and tense of the following verb. Pro-drop rates and constraint hierarchies in each HL show no relationship to any indices of generation since immigration, ethnic identity or language use, suggesting that this variable is not used to construct ethnic identity and is not undergoing change as the heritage varieties of each language develop in Toronto.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».