MétaCan
Menu
Retour à la cohorte
Enregistrement W2149990615 · doi:10.18956/00006099

Towards a linguistic interpretation of Kuhn's Laws : With special reference to Old English Beowulf (Part 2)

2012· article· en· W2149990615 sur OpenAlexfundno aff
Yasuko Suzuki

Notice bibliographique

RevueInstitutional Repositories DataBase (IRDB) · 2012
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLinguistics and language evolution
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Illinois at Urbana-ChampaignUniversity of TorontoUniversity College LondonGoethe-Universität Frankfurt am MainYale UniversityUniversity of CambridgeHarvard UniversityUniversity of Pennsylvania
Mots-clésSection (typography)Interpretation (philosophy)AmbiguityLawPhilosophyLinguisticsPhraseWord orderContradictionComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

Kuhn's (1933) two Laws concern clause-initial clustering of what he calls 'satzpartikel' such as pronouns, short adverbs, and light finite verbs in Germanic alliterative verse. The Laws are formulated in metrical terms and are claimed by the proponent to reflect archaic linguistic features preserved in poetry. This paper critically evaluates Kuhn's Laws from a linguistic perspective based on examination of Old English Beowulf. Part I (Volume 95) first discussed cliticization phenomenon of pronouns, adverbs, and light finite verbs in early Germanic, especially Beowulf (section 2). With this as background, it then examined Kuhn's definition of clause particles (section 3) and the first type of violations of the First Law (section 4), showing, contrary to what Kuhn intends, that only part of Kuhn's clause particles are clitics and that only part of the First Law violations reflects the innovative word order. Part II (this volume) begins with the second type of violations of the First Law and discusses the issue of Kuhn's Laws as metrical conventions in Section 4. Section 5 examines the Second Law and shows that it reflects linguistic archaism only in an indirect way. The paper then takes up the issue that affects application of the Laws: the distinction between clause and phrase particles in section 6. This section continues through Part III (Volume 97), which also discusses metrical analyses in relation to the Laws.

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)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,991
Score d'incertitude au seuil0,684

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
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 recherche0,0000,000
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 Opus0,024
Tête enseignante GPT0,247
Écart entre enseignants0,223 · 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'étudeSans objet
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

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInstitutional Repositories DataBase (IRDB)Même sujetLinguistics and language evolutionTravaux en français237 207