在混合语言话语中建模主题与社会语言学变异：来自西班牙-英语和西班牙-瓜拉尼语的洞察
Modeling Topics and Sociolinguistic Variation in Code-Switched Discourse: Insights from Spanish-English and Spanish-Guaraní
AI总结：
本研究利用大型语言模型构建标注流程，分析西班牙-英语和西班牙-瓜拉尼语混合话语中的主题与社会语言学变异，揭示性别、语言主导地位与话语功能的关系，并扩展了双语现象的定量证据。
摘要：
本研究提出了一种借助大型语言模型的标注流程，用于分析双语话语中的社会语言学和主题特征，在两种语言类型不同的背景下：西班牙-英语和西班牙-瓜拉尼语。利用大型语言模型，我们自动标注了3691个混合语言句子的主题、体裁和话语语用功能，整合了迈阿密双语语料库的人口统计数据，并为西班牙-瓜拉尼语语料库增添了新的主题标注。所得分布揭示了迈阿密数据中性别、语言主导地位和话语功能之间的系统联系，并在巴拉圭文本中呈现出正式瓜拉尼语与非正式西班牙语之间的清晰双语现象。这些发现重复并扩展了先前互动和社会语言学观察，提供了基于语料库规模的定量证据。本研究证明大型语言模型可以可靠地恢复传统上只能通过手动标注获得的可解释社会语言学模式，推动了跨语言和低资源双语研究的计算方法。
英文摘要：
This study presents an LLM-assisted annotation pipeline for the sociolinguistic and topical analysis of bilingual discourse in two typologically distinct contexts: Spanish-English and Spanish-Guaraní. Using large language models, we automatically labeled topic, genre, and discourse-pragmatic functions across a total of 3,691 code-switched sentences, integrated demographic metadata from the Miami Bilingual Corpus, and enriched the Spanish-Guaraní dataset with new topic annotations. The resulting distributions reveal systematic links between gender, language dominance, and discourse function in the Miami data, and a clear diglossic division between formal Guaraní and informal Spanish in Paraguayan texts. These findings replicate and extend earlier interactional and sociolinguistic observations with corpus-scale quantitative evidence. The study demonstrates that large language models can reliably recover interpretable sociolinguistic patterns traditionally accessible only through manual annotation, advancing computational methods for cross-linguistic and low-resource bilingual research.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
