MétaCan
Menu
Retour à la cohorte
Enregistrement W2526674945 · doi:10.1080/23273798.2016.1234059

Knowledge likely held by others affects speakers’ choices of referential expressions at different stages of discourse

2016· article· en· W2526674945 sur OpenAlexafffund
Amélie M. Achim, André Achim, Marion Fossard

Notice bibliographique

RevueLanguage Cognition and Neuroscience · 2016
Typearticle
Langueen
DomaineComputer Science
ThématiqueSpeech and dialogue systems
Établissements canadiensUniversité LavalInstitut Universitaire en Santé Mentale de QuébecUniversité du Québec à Montréal
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésReferentPsychologyLinguisticsCharacter (mathematics)Point (geometry)Cognitive psychologyMathematics

Résumé

récupéré en direct d'OpenAlex

Effective communication requires adjusting one’s discourse to be understood by the addressee. While some suggest that choices of referring expressions are dependent on the addressee’s accessibility to the referent, there is also evidence for an egocentric bias in speech production. This study relied on two new experimental tasks designed to assess whether speakers adapt their choices of referential expressions when introducing movie characters that are either likely known or likely unknown by their addressee, and when maintaining or reintroducing these characters at a later point in the discourse. Results revealed an adjustment to the addressee in the use of character’s names (increased for likely known characters) and definite expressions (increased for likely unknown characters) observed at all the discourse stages. Use of indefinite expressions and names was affected by the participant’s own knowledge specifically when introducing the characters. These results indicate that speakers take their addressee’s likely knowledge into account at multiple discourse stages.

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)0,002
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,023
Tête enseignante GPT0,287
Écart entre enseignants0,265 · 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'étudeObservationnel
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

Citations17
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLanguage Cognition and NeuroscienceMême sujetSpeech and dialogue systemsTravaux en français237 207