MétaCan
Menu
Retour à la cohorte
Enregistrement W2066570864 · doi:10.1111/j.1749-818x.2007.00040.x

Interlanguage Segmental Mapping as Evidence for the Nature of Lexical Representation

2007· article· en· W2066570864 sur OpenAlexaff
Yoonjung Kang

Notice bibliographique

RevueLanguage and Linguistics Compass · 2007
Typearticle
Langueen
DomainePsychology
ThématiquePhonetics and Phonology Research
Établissements canadiensThe Scarborough HospitalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésLinguisticsPhonologyInterlanguageLexiconRepresentation (politics)Computer sciencePronunciationPhonotacticsOptimality theoryLexical itemConstraint (computer-aided design)Natural language processingArtificial intelligenceMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract The traditional view of phonological representation assumes that lexical representation is economical and free of redundancy and that a phoneme is represented as a combination of contrastive phonetic features. The traditional view, however, is challenged by the recent developments in phonological theories. In Optimality Theory, the distinction between contrastive vs. non‐contrastive aspects of pronunciation is made not by the lexical representation but by the constraint ranking and the commonly adopted principle of Lexicon Optimization requires lexical representation to be as close to the surface representation as possible. An exemplar model of phonology also assumes that predictable and redundant phonetic properties are also specified in the lexical representation and that each contextual variant of a phoneme forms a separate phonetic category. The current paper reviews recent studies on segmental mapping in interlanguage phonology, examines the nature of the L1 phonological representation that the mapping crucially refers to, and discusses how the interlanguage data bear on the debate on the nature of the lexical representation.

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)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,002
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,073
Tête enseignante GPT0,447
Écart entre enseignants0,374 · 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'étudeObservationnel
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
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLanguage and Linguistics CompassMême sujetPhonetics and Phonology ResearchTravaux en français237 207