MétaCan
Menu
Retour à la cohorte
Enregistrement W2471096470 · doi:10.3765/amp.v3i0.3772

Predicting Perceptually Weak and Strong Unmarked Patterns: A Message-based Approach

2016· article· en· W2471096470 sur OpenAlexaff
Elizabeth Hume, Kathleen Currie Hall, Andrew Wedel

Notice bibliographique

RevueProceedings of the Annual Meetings on Phonology · 2016
Typearticle
Langueen
DomaineComputer Science
ThématiqueMusic and Audio Processing
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésOptimal distinctiveness theoryMarkednessContext (archaeology)PerceptionComputer sciencePhonologyTransmission (telecommunications)LinguisticsCognitive psychologyCommunicationPsychologyGeographySocial psychologyTelecommunications

Résumé

récupéré en direct d'OpenAlex

Perceptual factors have been drawn on to provide insight into sound patterns and commonly serve as a diagnostic for markedness. However, a puzzling situation hasemerged: patterns associated with strong perceptual distinctiveness and those with weak distinctiveness are both described as unmarked. We propose that insight into the unmarked nature of these patterns can be gained when we take seriously the view of language as a system of information transmission. In particular, we suggest thatperceptually weak and strong unmarked patterns are those that effectively balance two competing properties of effective communication: (a) the contribution of the phonological unit in context to accurate message transmission, and (b) the resource cost of the phonological unit.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,322
Score d'incertitude au seuil0,580

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0000,001
Science ouverte0,0010,001
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 Opus0,011
Tête enseignante GPT0,212
Écart entre enseignants0,202 · 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'étudeExpérimental (laboratoire)
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

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Annual Meetings on PhonologyMême sujetMusic and Audio ProcessingTravaux en français237 207