MétaCan
Menu
Retour à la cohorte
Enregistrement W2102632733 · doi:10.1017/s0142716400222078

<i>The inheritance and innateness of grammars</i>. Myrna Gopnik (Ed.). New York:Oxford University Press, 1997. Pp. 232.

2000· article· en· W2102632733 sur OpenAlexaboutno aff
Elena Zaretsky, Jean Berko Gleason

Notice bibliographique

RevueApplied Psycholinguistics · 2000
Typearticle
Langueen
DomainePsychology
ThématiqueLanguage Development and Disorders
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsycholinguisticsCognitive sciencePsychologyLinguisticsPhilosophyCognitionNeuroscience

Résumé

récupéré en direct d'OpenAlex

What could possibly be innate? John Morton asked this question in a symposium on psycholinguistics in 1969 (Morton, 1970), and, as this book makes clear, he was certainly not the last to ask it. The Inheritance and Innateness of Grammars is one of the most recent manifestations of our fascination with the question of just what it is that makes it possible for humans – and only humans – to learn language as we know it. The book is the product of a conference that was held at Simon Fraser University in Vancouver in 1993. Nine chapters present work by authors whose expertise includes such topics as speech perception, neurobiology, sign language, language impairment, and, of course, developmental psycholinguistics. Although the word “inheritance” in the title can be understood to refer to genetics, it would have been helpful if the authors had provided their definitions of the term “innateness.” In its primary sense, innate means inborn or present at birth, but clearly no one is arguing that language itself is present at birth, although most would agree that some capacities that may underlie language can be demonstrated in very young infants. Eric Lenneberg provided one definition of innateness in his book, Biological Foundations of Language (1967), which may be what some authors have in mind since his work is frequently referenced: Animals may be thought of as functioning like machines. Their inner structure is not the result of accidental circumstances. The machine unfolds during development, and the internal structure is programmed onto the ontogenetic process. Let us call the internal structure innate mechanisms and the modes of operation that are determined by these mechanisms innate behavior. (p. 220)

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,088

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,002
Communication savante0,0030,005
Science ouverte0,0010,002
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0260,021

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 Opus0,015
Tête enseignante GPT0,245
Écart entre enseignants0,230 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied PsycholinguisticsMême sujetLanguage Development and DisordersTravaux en français237 207