MétaCan
Menu
Retour à la cohorte
Enregistrement W1982737505 · doi:10.1017/s0142716413000349

Nouns to verbs and verbs to nouns: When do children acquire class extension rules for deverbal nouns and denominal verbs?

2013· article· en· W1982737505 sur OpenAlexafffund
Marie Lippeveld, Yuriko Oshima‐Takane

Notice bibliographique

RevueApplied Psycholinguistics · 2013
Typearticle
Langueen
DomainePsychology
ThématiqueLanguage Development and Disorders
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésNounLinguisticsVerbPsychologyClass (philosophy)Extension (predicate logic)Artificial intelligenceComputer sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

ABSTRACT We investigated when children acquire class extension rules for denominal verbs and deverbal nouns using an intermodal preferential looking paradigm. We taught French-speaking 2.5-year-olds (mean age = 2 years, 8.56 months [2;8.56], range = 2;6–2;11) and 3-year-olds (mean age = 3;3.31, range = 3;0–3;5) novel parent nouns or verbs referring to unfamiliar instruments and their functions, and then tested their interpretation of both the parent word and its denominal verb or deverbal noun. Experiment 1 demonstrated that only the 3-year-olds understood the denominal verbs. Experiment 2 demonstrated that only 3-year-olds who learned the parent verbs were able to interpret the deverbal nouns correctly. These findings suggest that French-speaking children acquire class extension rules for denominal verbs and deverbal nouns by the age of 3 years and can demonstrate this knowledge as long as they are able to learn the parent words.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,558
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,012
Tête enseignante GPT0,283
Écart entre enseignants0,271 · 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 tête enseignante, pas un consensus.

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

Citations14
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueApplied PsycholinguisticsMême sujetLanguage Development and DisordersTravaux en français237 207