MétaCan
Menu
← Retour à la cohorte
Enregistrement W1528364704

Internal Structure of Anaang Compounds

2013· article· en· W1528364704 sur OpenAlexvenueno aff
Itoro Michael

Notice bibliographique

RevueStudies in literature and language · 2013
Typearticle
Langueen
DomainePsychology
ThématiquePhonetics and Phonology Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCompoundingPhonologyLinguisticsWord formationSyllableCompoundComputer sciencePhraseEquivalence (formal languages)Natural language processingLexiconArtificial intelligenceSpeech recognition
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The concept of compound is an interesting phenomenon in morphology. Compounds provide motivation for assigning internal structure to words. This is achieved through a process known as compounding. Compounding deals with word structure rules rather than word formation rules. Our focus in this paper is to analyze the phonological constituent processes necessary in Anaang productive words. Data was collected through structured interview using an English word list of 50 compound words. This was administered to fifteen native speakers of Anaang purposely selected. They provided the Anaang equivalence of the word list verbally, which was recorded with a tape recorder. Relevant data was elucidated from the tape, transcribed and used for analysis. Analysis shows that compounding involves the combination of stems from the lexicon into a phrase or word. Anaang compounds are made up of two elements without any further dependency holding between them. This paper therefore assets that, though compounding is a morph-syntactic process, it has implications on the structure of Anaang phonology in the sense that compounding equally involves certain phonological processes which of course affect the internal structure of the syllable. This work is a contribution to the existing phonological theories, on phonology-morphology interface.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,019
Tête enseignante GPT0,378
Écart entre enseignants0,359 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStudies in literature and language→Même sujetPhonetics and Phonology Research→Travaux en français237 207→