Sign Language Phonetic Annotation meets Phonological CorpusTools: Towards a sign language toolset for phonetic notation and phonological analysis
Notice bibliographique
Résumé
The field of sign language linguistics still misses a unified notation system such as IPA for spoken languages. Some previous attempts to create written notation systems are either not suited for phonetic analysis, or language-specific and phoneme-based and thus impossible to use in cross-linguistic studies. We describe a more recent attempt to create a purely phonetic notation system, Sign Language Phonetic Annotation (SLPA) by Johnson and Liddell (2010, 2011a, 2011b, 2012). SLPA aims for narrow phonetic notation, is easily learned by humans and machine-readable, utilizes symbols found on a common keyboard, and does not require the user to be familiar with sign languages. However, SLPA is too exhaustive (a single handshape requires 23-34 characters), incorporates some theoretical assumptions (e.g., binary features), and captures as distinctive handshapes that anatomically impossible, redundant, or perceptually nondistinctive. We propose modifications to SLPA that make it easier to use and avoid coding errors, more user-friendly, and more linguistically relevant, both general modifications suitable for manual notation and software-specific modifications. We also discuss how we intend to adapt SLPA into the Phonological CorpusTools software (Hall et al. 2015), a free tool that allows researchers to make fast, replicable analyses of various phonological patterns.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».