Aquisição/aprendizagem da competência metafórica no contexto do Português Língua Não Materna: importância da reestruturação conceptual na expressão de emoções e valores
Bibliographic record
Abstract
No presente texto, desenvolvido no enquadramento da Linguística Cognitiva, pretende discutir-se a noção de competência metafórica (Aleshtar & Dowlatabadi 2014: 1895; cf. Batoréo 2015), no contexto específico da aquisição e aprendizagem do Português como Língua Não-Materna (PLNM). Defende-se que quem aprende uma língua nova deve fazê-lo de um modo conceptualmente adequado, adquirindo consciência metafórica, se o objectivo é comunicar com os outros, usando linguagem figurada, tal como acontece no dia-a-dia entre os falantes nativos (Gibbs 1994). Defende-se, também, que a investigação na área não se pode limitar ao estudo restrito da Linguagem, abrangendo antes a interacção entre as componentes do trinómio Cognição – Linguagem – Cultura. Esta interacção implica incorporação (embodiment), ou seja a conceptualização do mundo que é feita através do nosso corpo, assim como das experiências corporais e actividades efectuadas pelo Homem, mediadas pela cultura em que esta experiência se enquadra, dando, deste modo, origem à incorporação física e cultural. Como as culturas diferem entre si, as emoções ou os valores são conceptualizados em partes de corpo diferentes para veicular e projectar no processo de mapeamento emoções ou valores análogos (cf. Yu 2003, 2007, 2009; Batoréo 2017a, 2017b, 2018, no prelo). Conhecer e aprender como este processo se desenvolve num idioma diferente da nossa língua materna obriga ao falante não-nativo a reestruturar-se conceptualmente (Yu 2007), e garante um processo mais motivado (cf. Boers 2001, Boers et al. 2004, 2007), tendo como objectivo comunicar de um modo figurado e utilizar linguagem igualmente figurada na língua não-nativa. Para ilustrar os fenómenos, serão utilizados exemplos de Português Europeu, Inglês, Polaco e Chinês.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.013 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".