MétaCan
Menu
Retour à la cohorte
Enregistrement W2007413481 · doi:10.1075/lab.2.1.03whi

Restrictions on definiteness insecond language acquisition

2012· article· en· W2007413481 sur OpenAlexaff
Lydia White, Alyona Belikova, Paul Hagström, Tanja Kupisch, Öner Özçelik

Notice bibliographique

RevueLinguistic Approaches to Bilingualism · 2012
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSyntax, Semantics, Linguistic Variation
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésDefinitenessTurkishLinguisticsSentenceTest (biology)PsychologyAnaphora (linguistics)Task (project management)Computer scienceArtificial intelligencePhilosophyEngineering

Résumé

récupéré en direct d'OpenAlex

In this paper we investigate whether learners of L2 English show knowledge of the Definiteness Effect ( Milsark, 1977 ), which restricts definite expressions from appearing in the existential there-insertion construction. There are crosslinguistic differences in how restrictions on definiteness play out. In English, definite expressions may not occur in either affirmative or negative existentials (e.g. There is a/*the mouse in my soup; There isn’t a/*the mouse in my soup). In Turkish and Russian, affirmative existentials observe a restriction similar to English, whereas negative existentials do not. We report on a series of experiments conducted with learners of English whose L1s are Turkish and Russian, of intermediate and advanced proficiency. Native speakers also took the test in English, Turkish, and Russian. The task involved acceptability judgments. Subjects were presented with short contexts, each followed by a sentence to be judged as natural/unnatural. Test items included affirmative and negative existentials, as well as items testing apparent exceptions to definiteness restrictions. Results show that both intermediate and advanced L2ers respond like English native speakers, crucially rejecting definites in negative existentials. A comparison with the groups taking the test in Russian and Turkish confirms that judgments in the L2 are quite different from the L1, suggesting that transfer cannot provide the explanation for learner success.

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)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,133
Tête enseignante GPT0,271
Écart entre enseignants0,138 · 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'étudeQualitatif
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
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLinguistic Approaches to BilingualismMême sujetSyntax, Semantics, Linguistic VariationTravaux en français237 207