MétaCan
Menu
Retour à la cohorte
Enregistrement W2142540119 · doi:10.7557/12.3412

The arch not the stones: Universal feature theory without universal features

2015· article· en· W2142540119 sur OpenAlexaff
B. Elan Dresher

Notice bibliographique

RevueNordlyd · 2015
Typearticle
Langueen
DomainePsychology
ThématiquePhonetics and Phonology Research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésLinguisticsHierarchyPhonologyComputer scienceFeature (linguistics)Contrast (vision)Tone (literature)Numeral systemSet (abstract data type)Character (mathematics)VowelNatural language processingArtificial intelligenceMathematicsSpeech recognition

Résumé

récupéré en direct d'OpenAlex

There is a growing consensus that phonological features are not innate, but rather emerge in the course of acquisition. If features are emergent, we need to explain why they are required at all, and what principles account for the way they function in the phonology. I propose that the learners’ task is to arrive at a set of features that account for the con­trasts and the phonological activity in their language. For the content of the features, learners use the available materials relevant to the modality (spoken or signed). Formally, contrasts are governed by an ordered feature hierarchy. The concept of a contrastive hierarchy is an innate part of Universal Grammar, and is the glue that binds phono­logical representations and makes them appear similar across languages. Examples from the Classical Manchu vowel system show the connection between contrast and phonological activity. I then consider the implications of this approach for the acquisition of phonological representations. The relationship between formal contrastive hierarchies and phonetic substance is illustrated with examples drawn from tone systems in Chinese dialects. Finally, I propose that the contrastive hierarchy has a recursive digital character, like other aspects of the narrow faculty of language.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,016
Communication savante0,0040,010
Science ouverte0,0010,003
Intégrité de la recherche0,0020,003
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 Opus0,042
Tête enseignante GPT0,346
Écart entre enseignants0,304 · 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'étudeThéorique ou conceptuel
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

Citations99
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNordlydMême sujetPhonetics and Phonology ResearchTravaux en français237 207