Phylogenetic Methods in Historical Linguistics: Greek as a Case Study
Notice bibliographique
Résumé
Abstract We review and assess the different ways in which research in evolutionary-theory-inspired biology has influenced research in historical linguistics, and then focus on an evolutionary-theory inspired claim for language change made by Pagel et al. (2007). They report that the more Swadesh-list lexemes are used, the less likely they are to change across 87 Indo-European languages, and posit that frequency-of-use of a lexical item is a separate and general mechanism of language change. We test a corollary of this conclusion, namely that current frequency-of-use should predict the amount of change within individual languages through time. We devise a scale of lexical change that recognizes sound change, analogical change and lexical replacement and apply it to cognate pairs on the Swadesh list between Homeric and Modern Greek. Current frequency-of-use only weakly predicts the amount of change within the history of Greek, but amount of change does predict the number of forms across Indo-European. Given that current frequency-of-use and past frequency-of-use may be only weakly correlated for many Swadesh-list lexemes, and given previous research that shows that frequency-of-use can both hinder and facilitate lexical change, we conclude that it is premature to claim that a new mechanism of language change has been discovered. However, we call for more in-depth comparative study of general mechanisms of language change, including further tests of the frequency-of-use hypothesis.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,004 | 0,007 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».