MétaCan
Menu
Retour à la cohorte
Enregistrement W1591914361 · doi:10.1111/lnc3.12081

Remarks on the Experimental Turn in the Study of Scalar Implicature, Part I

2014· article· en· W1591914361 sur OpenAlexaff
Emmanuel Chemla, Raj Singh

Notice bibliographique

RevueLanguage and Linguistics Compass · 2014
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSyntax, Semantics, Linguistic Variation
Établissements canadiensCarleton University
Organismes subventionnairesEuropean Research CouncilAgence Nationale de la Recherche
Mots-clésImplicatureScalar (mathematics)Computer scienceContext (archaeology)LinguisticsPresentation (obstetrics)Point (geometry)PragmaticsEpistemologyCognitive sciencePsychologyMathematicsPhilosophyHistory

Résumé

récupéré en direct d'OpenAlex

Abstract (for Part I and Part II) There has been a recent ‘experimental turn’ in the study of scalar implicature, yielding important results concerning online processing and acquisition. This paper highlights some of these results and places them in the current theoretical context. We argue that there is sometimes a mismatch between theoretical and experimental studies, and we point out how some of these mismatches can be resolved. We furthermore highlight ways in which the current theoretical and experimental landscape is richer than is often assumed, and in light of this discussion, we offer some suggestions for what seem to us promising directions for the experimental turn to explore. The article is divided in two parts. Part I first presents the two dominant families of accounts of scalar implicature, the domain‐general Gricean account and the domain‐specific grammatical account. We try to separate the various components of these theories and connect them to relevant psycholinguistic predictions. Part II examines and reinterprets several prominent experimental results in light of the theoretical presentation proposed in the first part.

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)0,040
score de la tête « metaresearch » (Gemma)0,092
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: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,210

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0400,092
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,031
Communication savante0,0060,020
Science ouverte0,0040,007
Intégrité de la recherche0,0060,008
Charge utile insuffisante (le modèle a refusé de juger)0,0260,002

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 Opus0,023
Tête enseignante GPT0,263
Écart entre enseignants0,239 · 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
GenreCommentaire

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

En bref

Citations116
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLanguage and Linguistics CompassMême sujetSyntax, Semantics, Linguistic VariationTravaux en français237 207