The nature of regressions in the acquisition of phonological grammars
Notice bibliographique
Résumé
<p>Children’s acquisition of their L1 phonological grammar is typically understood as a gradual progression from an initial universal state towards a language-specific one, in which learners incrementally change their grammars to better approximate the target. One challenging problem for this view, however, are the many reports of ‘U-shaped development’ in which production temporarily regresses, diverging further from the target rather than drawing closer. Based on existing and novel analyses of longitudinal data, this paper argues that phonological regressions should <span style="text-decoration: underline;">not</span> be captured directly within the normal workings of children’s error-driven mechanisms for grammar learning. It also identifies a kind of regression that seems plausible but is nonetheless apparently unattested: one in which markedness constraints flip-flop over time, so that improvement on one marked structure entails regression on another. With this initial empirical base, the paper then demonstrates that an error-driven OT-like learner which stores its errors and imposes certain persistent biases can in fact easily regress in the unattested way. Section 5 discusses how OT’s grammatical parallelism is in part responsible for creating the unattested regression pattern, and how a serial constraint-based grammar like Harmonic Serialism (McCarthy 2007 <em>et seq</em>) avoids this regression. </p>
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».