MétaCan
Menu
Retour à la cohorte
Enregistrement W1990737625 · doi:10.4236/ojml.2013.34047

The Morphosyntactic Interface of Determiner Phrases

2013· article· en· W1990737625 sur OpenAlexaff
Gabrielle Klassen, John W. Schwieter

Notice bibliographique

RevueOpen Journal of Modern Linguistics · 2013
Typearticle
Langueen
DomainePsychology
ThématiqueLanguage, Metaphor, and Cognition
Établissements canadiensWilfrid Laurier UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésDeterminerLinguisticsNoun phraseFeature (linguistics)NounPsycholinguisticsGrammatical genderTheoretical linguisticsFlexibility (engineering)Grammatical categoryComputer sciencePsychologyMathematicsCognitionPhilosophy

Résumé

récupéré en direct d'OpenAlex

The functional category of determiners has undergone a number of representational changes in the last half century. Beginning with Abney in 1987 and as early as work by Brame (1981, 1982) and Postal (1966), linguists began to adapt the notion that determiners were a type of functional category with phrasal structure, and not specifiers of noun phrases. The flexibility allotted to this category to hold a significant role in syntactic structure has led to theories of feature and feature strength and the development of these features in first and second language acquisition. This paper seeks to review the current theories of syntactic structure of determiner phrases in English and universally. In particular, it examines one area of controversy regarding this category, namely nominal gender agreement, and how this affects applied areas of linguistics. Recent studies seem to favor specific transfer theories, however the default hypothesis that arises leaves much to be considered. From the discussion, we argue that gender feature agreement in L1 and L2 acquisition is distinct and merits further investigation, perhaps benefiting from the recent developments in the area of psycholinguistics.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
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 savante0,0030,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,036
Tête enseignante GPT0,350
Écart entre enseignants0,314 · 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'étudeThéorique ou conceptuel
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

Citations1
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Journal of Modern LinguisticsMême sujetLanguage, Metaphor, and CognitionTravaux en français237 207