گویش سنجی متغیرهای زبان شناختی زبان گونه های کرمان- شمالی
Publish place: Journal of Iranian Languages Linguistics، Vol: 7، Issue: 1
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 337
This Paper With 33 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JILL-7-1_010
تاریخ نمایه سازی: 21 آبان 1401
Abstract:
پژوهش حاضر با اتخاذ رویکردی کمی و کلگرایانه و با اعمال روشهای گویشسنجی به تحلیل رایانشی متغیرهای زبانشناختی موجود در گونههای زبانی کرمان-شمالی می پردازد. این پژوهش، از نوع توصیفی- تحلیلی است و دادهها به روش میدانی جمع آوری شده اند. تحلیل دادههای گردآوریشده نیز به صورت آماری با بهرهگیری از رایانه و گویشسنجی و نقشهنگاری RuG/L۰۴ صورت گرفته است. دادههای پژوهش شامل معادلهای بومی ۲۰۵ واژه و ۱۰ جمله پایه مستخرج از پرسش نامه های «فرهنگستان» و «موریس سوادش» است. روایی پرسشنامه مذکور براساس آزمون آلفای کرونباخ، نرخ ۹۶/۰ به دست آمده است. جامعه آماری پژوهش را گویشوران بومی ۱۶ شهرستان حوزه شمال استان کرمان شامل ۱۰۵ دهستان تشکیل می دهند. میانگین سنی گویشوران ۶۰ سال و متوسط سواد آنها در حد آموزش ابتدایی است که ۴۵% زن و ۵۵% مرد هستند. نتایج حاصل از تحلیل انبوهه دادهها نشان داد که شش خوشه گویشی عمده از هم متمایز هستند و این خوشههای گویشی خود به زیر خوشههایی تقسیم میشوند. هر یک از خوشه های گویشی دارای ویژگی های آوایی، واجی، صرفی یا نحوی متمایزی هستند که آن ها را از دیگر خوشه ها جدا می کند. بر اساس تحلیل آماری دادهها، از میان خوشه های گویشی ششگانه، تنها یکی از آنها گویش است و باقی خوشهها فاقد ویژگی های گویشی می باشند و در نتیجه در سطح لهجه محسوب میشوند.
Keywords:
Authors
عالیه نخعی پور تذرج
دانشجوی دکتری زبان شناسی همگانی، دانشگاه آزاد اسلامی واحد قم، قم، ایران
سیف ا... ملایی پاشایی
استادیار زبان شناسی همگانی، دانشگاه پیام نور، تهران، ایران
حامد مولایی کوهبنانی
استادیار زبان شناسی همگانی، دانشگاه ولی عصر (عج) رفسنجان، رفسنجان، ایران
محمد علی جعفری
استادیار زبان شناسی همگانی، دانشگاه آزاد اسلامی واحد قم، قم، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :