Notice bibliographique
Résumé
The review article by Sabbagh & Gelman (S & G) on The emergence of language (EL) mentions several criticisms of strong emergentism, the view that language emerges through an interaction between domain-general learning mechanisms and the environment, without crediting the organism with innate knowledge of domain-specific rules, a view that successful connectionist modelling is taken to support. One criticism of this view and the support for it that connectionist modelling putatively provides has been made frequently, and is noted by S & G: it is arguable that connectionist simulations work only because the input to the network in effect contains a representation of the knowledge that the net seeks to acquire. I think it is worth adding to this another criticism that to my mind is a fundamental one, but which has not featured so strongly in critiques of connectionism. A primary goal of modern linguistics has been to account not merely for what patterns we do see in human languages, but for those that we do not. The concept of Universal Grammar is precisely a set of limitations on what constitutes a possible human language. The kind of example used in teaching Linguistics 101 is the fact that patterns of grammaticality are structurally, not linearly, determined: in English we form a yes–no question by inverting the subject NP and auxiliary verb, not by inverting the first and second words of the equivalent declarative sentence, or the first and fifth words, or any number of conceivable non-structural operations. Could a connectionist mechanism learn such non-structural operations? Perhaps I have asked the wrong people, but when I have queried researchers doing connectionist modelling, the answer appears to be ‘yes’. If that's the case, then connectionist mechanisms as currently developed do not constitute an explanatory model of human language abilities: they are too powerful.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,070 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,008 |
| Communication savante | 0,007 | 0,012 |
| Science ouverte | 0,008 | 0,005 |
| Intégrité de la recherche | 0,049 | 0,039 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,014 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».