MétaCan
Menu
Retour à la cohorte
Enregistrement W2487251290 · doi:10.1075/la.194.10agu

Non-native acquisition and language design

2012· book-chapter· en· W2487251290 sur OpenAlexaff
Calixto Agüero-Bautista

Notice bibliographique

RevueLinguistik aktuell · 2012
Typebook-chapter
Langueen
DomaineArts and Humanities
ThématiqueSyntax, Semantics, Linguistic Variation
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésComputer scienceLinguisticsPhilosophy

Résumé

récupéré en direct d'OpenAlex

Biolinguistics sees language as a cognitive organ and L1-acquisition as a process of language growth. A natural assumption within this approach is that of Lenneberg (1967), who assumes that language growth is subject to certain time restrictions. Some scholars hold Lenneberg’s assumption to be correct; pointing out that L2-acquisition differs from L1-acquisition in not being uniform, automatic or convergent as the latter is; a difference that could follow from loss to access to the mental mechanisms responsible for L1-acquisition due to aging. Many researchers, however, refute Lenneberg’s assumption, pointing out that foreign languages are natural languages and must therefore be constrained by UG; the very mechanism responsible for L1 acquisition. I argue that this debate has taken place without a working model of the design of language. I show that, without such a model, the questions of the debate are misleading. I further show that once a minimalist model is considered, a time restriction on language growth is consistent with the fact that foreign languages are UG constrained. Finally, I argue that time restrictions only constrain those areas of language that involve parameter-setting (e.g. lexical learning), and never those determined by language design.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,008
Communication savante0,0030,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,240
Écart entre enseignants0,208 · 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

Citations1
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLinguistik aktuellMême sujetSyntax, Semantics, Linguistic VariationTravaux en français237 207