Countability in Absence of Count Syntax: Evidence from Japanese Quantity Judgments
Notice bibliographique
Résumé
We investigated the interaction of mass-count syntax and item-specific wordmeanings by comparing quantity judgments in two mass-count languages(English, French) and a classifier language (Japanese). Speakers of bothEnglish and Japanese based quantity judgments on volume for substance-massterms (e.g., judging two large portions of toothpaste to be moretoothpaste thansix tiny portions) but on number for count nouns (e.g., shoes) andobject-mass nouns (e.g., judging that six small pieces of furniture are morefurniture than two large pieces). For words that can be used in either massor count syntax in English (e.g., string), English quantity judgmentsshifted as a function of mass-count syntax (i.e., based on number when usedin count syntax, but on volume when used in mass syntax), whileapproximately 50% of Japanese quantity judgments were based on number,falling between English mass and count judgments. For words that are massnouns in English but count nouns in French (e.g., spinach), quantityjudgments shifted as a function of syntax between these languages, whileJapanese judgments were not different from the count judgments of Frenchspeakers, and were based mainly on number. We argue that, across languages,mass-count syntax is not necessary for nouns to specify individuation, butacts to select from among universally available lexical meanings.
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 | 0,005 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».