Lexical Chunks Formulaic Sequences and Yukuai: Study of Terms and Definitions of English Multiword Units
Notice bibliographique
Résumé
According to the theory of mental lexicon, lexical chunks refer to the multiword units with chunking effects while being processed in utterences. Language acquisition studies hold that formulaic sequences undertake more pragramatic functions bearing more conceptual processing and cultural information. There are some overlaps in the two terms. In the SLA studies in China, researchers attempted to use the coined term Cikuai to be the substitute of these two literally-translated terms—Cihui Zukuai for lexical chunks in Chinese and Chengshi Yu for formulaic sequences in Chinese. This paper proposes that lexical chunks and formulaic sequences have respective linguistic and cognitive features, which direct L1 and L2 speakers to process lexico-semantic multiword units in discourse in different ways. They are the subordinate terms of multiword units in English. This paper claims that the present terms can refer to holistically processed multiword units due to their formulaic and chunking effects.The significant differences lie in their degree of compositionality and semantic productivity. The lexical chunks have higher compositionality and semantic transparency, whereas the formulaic sequences are dynamic lexico-semantic multiword units, which offer exemplars instead of chunks for the reconstruction of lexical items in certain discourses. With regard to the lexical features of meaning extension, recursion and creativeness, we figure out their working definitions and come to the conlusion that Yukuai is not a good terminology to cover all the features entailed in them.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».