MétaCan
Menu
Retour à la cohorte
Enregistrement W2160601325 · doi:10.37693/pjos.2013.5.9646

Constraints on the semantic extension of onomatopoeia

2013· article· en· W2160601325 sur OpenAlexvenueno aff
Kimi Akita

Notice bibliographique

RevuePublic Journal of Semiotics · 2013
Typearticle
Langueen
DomainePsychology
ThématiqueLanguage, Metaphor, and Cognition
Établissements canadiensnon disponible
Organismes subventionnairesMinisterio de Economía y Competitividad
Mots-clésOnomatopoeiaPolysemyExtension (predicate logic)LinguisticsLexicalizationMandarin ChineseNominative caseExtensibilityComputer sciencePsychologyNatural language processingArtificial intelligenceVerbPhilosophy

Résumé

récupéré en direct d'OpenAlex

This article proposes three constraints on the complex polysemy patterns of onomatopoeia. Onomatopoeic forms for thirty types of sounds were collected from Japanese, Korean, Mandarin Chinese, and English, and examined in terms of their semantic extensibility and extension types. It was found that 1) Chinese onomatopoeia is generally resistant to semantic extension, 2) onomatopoeic forms for voice in Japanese and Korean are less likely to be polysemous than those for noise, many of which show metonymical extension, and 3) many onomatopoeic verbs in English have metaphorical meanings. These three patterns can be accounted for by generalizations that associate high semantic extensibility with referential specificity, event-structural complexity, and syntactic coreness, respectively. Each of these generalizations finds some independent support, and is compatible with or complementary to a frame-semantic approach to polysemous onomatopoeic forms, which has been taken to discuss existing, rather than non-existing, cases in each language. This study is, thus, an attempt to locate sound symbolism research in the center of cognitive studies 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)0,003
score de la tête « metaresearch » (Gemma)0,017
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: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,005
Communication savante0,0020,005
Science ouverte0,0010,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,035
Tête enseignante GPT0,281
Écart entre enseignants0,246 · 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

Citations34
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePublic Journal of SemioticsMême sujetLanguage, Metaphor, and CognitionTravaux en français237 207