MétaCan
Menu
Retour à la cohorte
Enregistrement W2131473221 · doi:10.1097/wnr.0b013e32833cae0d

ERPs reveal sensitivity to hypothetical contexts in spoken discourse

2010· article· en· W2131473221 sur OpenAlexaff
Veena D. Dwivedi, John E. Drury, Monika Molnar, Natalie A. Phillips, Shari R. Baum, Karsten Steinhauer

Notice bibliographique

RevueNeuroreport · 2010
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeurobiology of Language and Bilingualism
Établissements canadiensMcGill UniversityCentre for Research on Brain Language and MusicBrock University
Organismes subventionnairesnon disponible
Mots-clésPsychologySensitivity (control systems)Cognitive psychologyCommunication

Résumé

récupéré en direct d'OpenAlex

We used event-related potentials to examine the interaction between two dimensions of discourse comprehension: (i) referential dependencies across sentences (e.g. between the pronoun 'it' and its antecedent 'a novel' in: 'John is reading a novel. It ends quite abruptly'), and (ii) the distinction between reference to events/situations and entities/individuals in the real/actual world versus in hypothetical possible worlds. Cross-sentential referential dependencies are disrupted when the antecedent for a pronoun is embedded in a sentence introducing hypothetical entities (e.g. 'John is considering writing a novel. It ends quite abruptly'). An earlier event-related potential reading study showed such disruptions yielded a P600-like frontal positivity. Here we replicate this effect using auditorily presented sentences and discuss the implications for our understanding of discourse-level language processing.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil0,639

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,322
Écart entre enseignants0,300 · 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 tête enseignante, 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

Citations52
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuroreportMême sujetNeurobiology of Language and BilingualismTravaux en français237 207