Nova knjiga o jeziku hrvatskih pisaca\n(Sanja Vulić, Jedinstvo različitosti. Radovi iz hrvatske filologije, Književni krug Split, 2018.)
Bibliographic record
Abstract
Jedinstvo različitosti. Radovi iz hrvatske filologijeKnjiževni krug Split, 2018.U nakladi Književnoga kruga Split objavljena je nova zanimljiva knjiga u Biblioteci znanstvenih djela.Riječ je o knjizi Jedinstvo različitosti.Radovi iz hrvatske filologije autorice Sanje Vulić.Knjiga se sastoji od petnaest poglavlja u kojima se analizira jezik i stil hrvatskih pisaca od 16. do zaključno 20.stoljeća i u kojoj je autorica dokazala da suvereno vlada svim vidovima hrvatskoga jezika.Budući da se radi o raznim lingvističkim temama iz povijesti hrvatske književnosti, smatram ih prikladnim prikazati u dva tematska bloka.Prvo upozoravam na analize jezika dalmatinskih pisaca, o kojem Sanja Vulić tako znalački i inspirativno govori, a u drugi blok svrstavam pisce iz različitih hrvatskih jezičnih prostora i dijelom iz dijaspore.I premda prof.Vulić opisuje gotovo sve jezične razine: fonologiju, morfologiju, sintaksu i leksik obrađenih pisaca, ja ću se, zbog iznimno bogate građe donesene u ovoj knjizi, ograničiti samo na ilustriranje zanimljivih primjera iz leksika obrađenih hrvatskih autora.Prvi blok započinje poglavljem Jezična previranja u dubrovačkoj renesansnoj književnosti u kome autorica analizira gramatičke i leksičke značajke jezika dubrovačkih renesansnih književnika: Marina Držića, Dinka Ranjine, Dominka Zlatarića, Mavra Vetranovića, Frana Lukarevića, Nikole Nalješkovića i drugih, uspoređujući ih s hrvatskim arhaičnim štokavskim i novoštokavskim sustavima te napominje kako je dubrovački govor u renesansi još uvijek sadržavao značajke arhaične štokavštine na svim jezičnim razinama, od kojih su mnoge sukladne čakavskima.Tu bih posebno istakla obradu leksika dubrovačkih renesansnih književnika.Autorica
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.000 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.021 | 0.003 |
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".