MétaCan
Menu
Retour à la cohorte
Enregistrement W2119875902 · doi:10.1037/0278-7393.30.6.1252

Semantic Ambiguity and the Process of Generating Meaning From Print.

2004· article· en· W2119875902 sur OpenAlexaff
Penny M. Pexman, Yasushi Hino, Stephen J. Lupker

Notice bibliographique

RevueJournal of Experimental Psychology Learning Memory and Cognition · 2004
Typearticle
Langueen
DomainePsychology
ThématiqueReading and Literacy Development
Établissements canadiensWestern UniversityUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésAmbiguityDisadvantageMeaning (existential)PsychologyLinguisticsCognitive psychologyComputer scienceArtificial intelligencePhilosophy

Résumé

récupéré en direct d'OpenAlex

An ambiguity disadvantage (slower responses for ambiguous words, e.g., bank, than for unambiguous words) has been reported in semantic tasks (L. R. Gottlob, S. D. Goldinger, G. O. Stone, & G. C. Van Orden, 1999; Y. Hino, S. J. Lupker, & P. M. Pexman, 2002; C. D. Piercey & S. Joordens, 2000) and has been attributed to the meaning activation process. The authors tested an alternative explanation; The ambiguity disadvantage arises from the decision-making process in semantic tasks. The authors examined effects of ambiguity on unrelated trials in a relatedness decision task, because these trials are free from response competition created by ambiguous words on related trials. Results showed no ambiguity effect on unrelated trials (Experiments 2, 3c, and 5c) and an ambiguity disadvantage on related trials (Experiments 3a, 3b, 5a, and 5b).

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)0,003
score de la tête « metaresearch » (Gemma)0,030
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,030
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,002
Communication savante0,0030,005
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,021
Tête enseignante GPT0,342
Écart entre enseignants0,321 · 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'étudeExpérimental (laboratoire)
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

Citations72
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Experimental Psychology Learning Memory and CognitionMême sujetReading and Literacy DevelopmentTravaux en français237 207