MétaCan
Menu
Retour à la cohorte
Enregistrement W2565150941

Grammaticalizing the size of Situations: The case of Bulgarian

2015· article· en· W2565150941 sur OpenAlexaff
Marı́a Luisa Rivero, Ana Arregui, Nikolay Slavkov

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSyntax, Semantics, Linguistic Variation
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésBulgarianPresuppositionLinguisticsSemantics (computer science)Focus (optics)AdverbialEpistemologyInterpretation (philosophy)AttributiveNorwegianSociologyComputer sciencePhilosophy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Situation-semantics as developed by Kratzer (e.g. 1989, 2011) has proven an illuminating framework for a variety of linguistic puzzles. Semantic theories building on Kratzer-style situations have appealed to situation ‘size’ to explain phenomena such as adverbial quantification and presupposition projection (e.g. Berman 1987, Heim 1990, Elbourne 2005, among others). In this paper, we propose a novel perspective on situation size in order to account for restrictions on the interpretation of aspectual morphology, in particular as associated with ‘viewpoint aspect’ (Smith 1991/1997). While situation size has been manipulated in situation-semantics, the focus so far has been on distinguishing ‘minimal’ situations with certain properties. We argue that ‘big’ situations are also worth examining. In particular, distinctions between ‘big’ vs. ‘small’ situations are argued to provide insights into aspectual oppositions resulting in habitual/generic vs. singular/episodic/ongoing interpretations. The empirical focus is on Bulgarian constructions that integrate a particularly rich array of aspectual morphology, bringing together features from Slavic and Romance and providing an ideal vantage point from which to study constraints on aspect.

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)0,003
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 enseignants0,018
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,021
Communication savante0,0040,007
Science ouverte0,0010,006
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,067
Tête enseignante GPT0,270
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 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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSyntax, Semantics, Linguistic VariationTravaux en français237 207