Metáforas gramaticales y coherencia en la conversación coloquial : primeras aproximaciones
Bibliographic record
Abstract
Presentamos en este trabajo el resultado de una investigación cualitativa, descriptiva acerca del rol de la metáfora gramatical en la conversación coloquial. El corpus utilizado para este análisis está formado por 52 conversaciones coloquiales entre estudiantes universitarios de entre 20 y 28 años de edad, que forman parte del corpus del proyecto ECAr (Español Coloquial de Argentina). Partiendo de las nociones de coherencia y metáfora gramatical de la Lingüística Sistémico-Funcional (Halliday, 1994, 2004) se han analizado los textos en busca de tramos que contengan dichas metáforas en cantidad significativa para luego compararlos con tramos en los que no se descubren gran cantidad de metáforas gramaticales. La comparación se efectuó sobre la base de una encuesta en las que se les pidió a un grupo de estudiantes universitarios que ordenen los tramos teniendo en cuenta cuáles se entendían mejor, y de la armonía cohesiva de todos los fragmentos; además se calcularon la densidad léxica y la complejidad gramatical de los fragmentos seleccionados. El análisis de los datos nos permitió descubrir que, en general, los fragmentos que contienen gran número de metáforas gramaticales son percibidos por los sujetos encuestados como menos coherentes, lo cual podría deberse a que tienen menor armonía cohesiva y gran densidad léxica.
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 | 0.006 | 0.017 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.006 | 0.006 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| 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".