Subscribe to the gold package and get unlimited access to Shamra Academy
Register a new userTag Questions in Women's Speech
الأسئلة الذيلية في حديث النساء
698
0 1
0
(
0
)
Added by
Aِl-Baath University ورقة بحثية
Publication date
2018
fields
English
and research's language is
العربية
Created by
Shamra Editor
Ask ChatGPT about the research
يتناول هذا البحث دراسة لغة العديد من الكاتبات المسرحيات الإناث من خلال حوار شخصياتهن الأنثوية. المسرحية الأولى هي "Night, Mother" لمارشا نورمان و المسرحية الثانية هي "Gidion's Knot" لجونا آدمز و المسرحية الثالثة هي " August:Osage County "لتريسي ليتس.
This paper deals with studying the language of many female playwrights through the dialogue of their female characters. The first play is "Night, Mother", by Marsha Norman, the second play is "Gidion's Knot", by Johnna Adams, and the third play is "August: Osage County", by Tracy Letts.
Artificial intelligence review:
Research summary
يتناول هذا البحث دراسة لغة العديد من الكاتبات المسرحيات الإناث من خلال حوار شخصياتهن الأنثوية. المسرحيات التي تم تحليلها هي 'Night, Mother' لمارشا نورمان، 'Gidion's Knot' لجونا آدمز، و'August: Osage County' للتريسي ليتس. استندت الدراسة إلى مزاعم ليكوف (1973-1975) المتعلقة بالصفات اللغوية الأنثوية، وركزت بشكل خاص على دراسة الأسئلة الذيلية ووظائفها المتعددة في حوار الشخصيات الأنثوية. أظهرت النتائج أن الكاتبات المسرحيات الإناث في المسرحيات المدروسة استخدمن الأسئلة الذيلية بشكل كبير للتعبير عن مظاهر عدم التأكد في الحديث. كما تم تحليل أنواع مختلفة من الأسئلة الذيلية مثل الأسئلة الذيلية المعرفية، التسهيلية، التحديية، والتلطيفية، وتمت مناقشة وظائفها المختلفة في سياقات متعددة. أظهرت النتائج أن الأسئلة الذيلية المعرفية كانت الأكثر استخدامًا للتعبير عن عدم التأكد، بينما استخدمت الأسئلة الذيلية التسهيلية والتحديية بشكل أقل. كما أظهرت الدراسة أن النساء يستخدمن الأسئلة الذيلية أكثر من الرجال للتعبير عن عدم التأكد في الحديث.
Critical review
دراسة نقدية: يعتبر هذا البحث مساهمة قيمة في مجال علم اللغة الاجتماعي، حيث يسلط الضوء على استخدام الأسئلة الذيلية في حوار الشخصيات الأنثوية في المسرحيات. ومع ذلك، يمكن توجيه بعض النقد البناء لهذا البحث. أولاً، كان من الممكن أن يتناول البحث مجموعة أوسع من المسرحيات والكاتبات للحصول على نتائج أكثر شمولية. ثانيًا، كان من الممكن أن يتضمن البحث مقابلات أو استبيانات مع الكاتبات المسرحيات لفهم دوافعهن لاستخدام الأسئلة الذيلية بشكل أفضل. ثالثًا، على الرغم من أن البحث ركز على الأسئلة الذيلية، إلا أنه كان من الممكن أن يتناول الصفات اللغوية الأخرى التي ذكرتها ليكوف بشكل أكثر تفصيلًا. أخيرًا، كان من الممكن أن يتضمن البحث تحليلاً مقارنًا بين استخدام الأسئلة الذيلية في حوار الشخصيات الأنثوية والذكورية للحصول على فهم أعمق للفروق اللغوية بين الجنسين.
Questions related to the research
-
ما هي المسرحيات التي تم تحليلها في هذا البحث؟
المسرحيات التي تم تحليلها هي 'Night, Mother' لمارشا نورمان، 'Gidion's Knot' لجونا آدمز، و'August: Osage County' للتريسي ليتس.
-
ما هي النظرية التي استندت إليها الدراسة في تحليل الأسئلة الذيلية؟
استندت الدراسة إلى مزاعم ليكوف (1973-1975) المتعلقة بالصفات اللغوية الأنثوية.
-
ما هي أنواع الأسئلة الذيلية التي تم تحليلها في البحث؟
تم تحليل الأسئلة الذيلية المعرفية، التسهيلية، التحديية، والتلطيفية.
-
ما هي النتائج الرئيسية التي توصلت إليها الدراسة؟
أظهرت النتائج أن الكاتبات المسرحيات الإناث استخدمن الأسئلة الذيلية بشكل كبير للتعبير عن مظاهر عدم التأكد في الحديث، وأن النساء يستخدمن الأسئلة الذيلية أكثر من الرجال للتعبير عن عدم التأكد.
References used
Cameron, D. ( 1994 ). Verbal hygiene for women: Linguistics misapplied? Applied Linguistics 15 (4): 382-398
Cameron, D. ( 1998 ). The feminist critique of language: A reader. 2nd edition. London: Routledge
Eckert, P. & McConnell-Ginet, S. ( 2003 ). Language and gender. Cambridge: Cambridge University Press
rate research
Read More
This paper attempts to trace women's journey through
history criticizing patriarchy, gender roles and typical
stereotypes in any society, especially that of the eighteenth and
nineteenth centuries. Women struggle against all these issues
in order to establish new identities and a monarchy where
justice controls.
Predicting the answer to a product-related question is an emerging field of research that recently attracted a lot of attention. Answering subjective and opinion-based questions is most challenging due to the dependency on customer generated content.
Previous works mostly focused on review-aware answer prediction; however, these approaches fail for new or unpopular products, having no (or only a few) reviews at hand. In this work, we propose a novel and complementary approach for predicting the answer for such questions, based on the answers for similar questions asked on similar products. We measure the contextual similarity between products based on the answers they provide for the same question. A mixture-of-expert framework is used to predict the answer by aggregating the answers from contextually similar products. Empirical results demonstrate that our model outperforms strong baselines on some segments of questions, namely those that have roughly ten or more similar resolved questions in the corpus. We additionally publish two large-scale datasets used in this work, one is of similar product question pairs, and the second is of product question-answer pairs.
Research in NLP has mainly focused on factoid questions, with the goal of finding quick and reliable ways of matching a query to an answer. However, human discourse involves more than that: it contains non-canonical questions deployed to achieve spec
ific communicative goals. In this paper, we investigate this under-studied aspect of NLP by introducing a targeted task, creating an appropriate corpus for the task and providing baseline models of diverse nature. With this, we are also able to generate useful insights on the task and open the way for future research in this direction.
In this paper, we define and evaluate a methodology for extracting history-dependent spatial questions from visual dialogues. We say that a question is history-dependent if it requires (parts of) its dialogue history to be interpreted. We argue that
some kinds of visual questions define a context upon which a follow-up spatial question relies. We call the question that restricts the context: trigger, and we call the spatial question that requires the trigger question to be answered: zoomer. We automatically extract different trigger and zoomer pairs based on the visual property that the questions rely on (e.g. color, number). We manually annotate the automatically extracted trigger and zoomer pairs to verify which zoomers require their trigger. We implement a simple baseline architecture based on a SOTA multimodal encoder. Our results reveal that there is much room for improvement for answering history-dependent questions.
In question generation, the question produced has to be well-formed and meaningfully related to the answer serving as input. Neural generation methods have predominantly leveraged the distributional semantics of words as representations of meaning an
d generated questions one word at a time. In this paper, we explore the viability of form-based and more fine-grained encodings, such as character or subword representations for question generation. We start from the typical seq2seq architecture using word embeddings presented by De Kuthy et al. (2020), who generate questions from text so that the answer given in the input text matches not just in meaning but also in form, satisfying question-answer congruence. We show that models trained on character and subword representations substantially outperform the published results based on word embeddings, and they do so with fewer parameters. Our approach eliminates two important problems of the word-based approach: the encoding of rare or out-of-vocabulary words and the incorrect replacement of words with semantically-related ones. The character-based model substantially improves on the published results, both in terms of BLEU scores and regarding the quality of the generated question. Going beyond the specific task, this result adds to the evidence weighing different form- and meaning-based representations for natural language processing tasks.
Log in to be able to interact and post comments
comments
Fetching comments
Sign in to be able to follow your search criteria
