Do masked orthographic neighbor primes facilitate or inhibit the processing of Kanji compound words?
Notice bibliographique
Résumé
In the masked priming paradigm, when a word target is primed by a higher frequency neighbor (e.g., blue-BLUR), lexical decision latencies are slower than when the same word is primed by an unrelated word of equivalent frequency (e.g., care-BLUR). This inhibitory neighbor priming effect (e.g., Davis & Lupker, 2006; Segui & Grainger, 1990) is taken as evidence for the lexical competition process that is an important component of localist activation-based models of visual word recognition (Davis, 2003; Grainger & Jacobs, 1996; McClelland & Rumelhart, 1981). The present research looked for evidence of an inhibitory neighbor priming effect using words written in Japanese Kanji, a logographic, nonalphabetic script. In 4 experiments (Experiments 1A, 1B, 3A, and 3B), inhibitory neighbor priming effects were observed for low-frequency targets primed by higher frequency Kanji word neighbors ([symbol in text]). In contrast, there was a significant facilitation effect when targets were primed by Kanji nonword neighbors ([symbols in text]; Experiments 2 and 3). Significant facilitation was also observed when targets were primed by single constituent Kanji characters ([symbols in text]; Experiment 4). Taken together, these results suggest that lexical competition plays a role in the recognition of Kanji words, just as it does for words in alphabetic languages. However, in Kanji, and likely in other logographic languages, the effect of lexical competition appears to be counteracted by facilitory morphological priming due to the repetition of a morphological unit in the prime and target (i.e., in Kanji, each character represents a morpheme).
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».