MétaCan
Menu
Retour à la cohorte
Enregistrement W2610651153 · doi:10.5617/osla.4420

Negation in Hamar

2017· article· en· W2610651153 sur OpenAlexaboutno aff
Binyam Sisay Mendisu

Notice bibliographique

RevueOslo Studies in Language · 2017
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSyntax, Semantics, Linguistic Variation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNegationLinguisticsMorphemeAgreementInterrogativeSubject (documents)PsychologyMathematicsComputer sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

This study deals with the negation of declarative and interrogative main clauses, imperatives, and non-verbal and existential sentences in Hamar, an Aroid language of the Omotic language family. It describes the ways in which negation is expressed in the language, and positions the discussion in light of cross-linguistic observations made by Dahl (1979, 2010), Payne (1985), Miestamo (2005, 2007), Eriksen (2011) and others. The morpheme -t- is used in Hamar to mark negation in both verbal and non-verbal clauses. This means that Hamar has a morphological or affixal negation (Dahl 2010). The language uses two different sets of subject agreement affixes for the affirmative and negative counterparts. While affirmative sentences employ a shortened pronoun, a set of agreement suffixes is used in the negative. In this study, it is suggested that the negative verbs may have preserved older subject agreement morphemes which are now lost in the affirmative, as negatives are less affected by innovation, cf. Zargulla in Azeb 2009 and Canadian French in Poplack 2001. Moreover, close interaction is reported between negation and TAM (Tense, Aspect and Mood) categories. For example, some of the aspect/tense categories that occur in the affirmative are neutralised in the negative. Negative constructions in Hamar are not only different from their affirmative counterparts due to the presence of the negation morpheme –t-, but also in terms of subject agreement marking and tense/aspect categories. As a result, it is argued that Hamar has an asymmetric negation system, cf. Miestamo 2005.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,003
Communication savante0,0030,004
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,060
Tête enseignante GPT0,328
Écart entre enseignants0,267 · 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'étudeSans objet
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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOslo Studies in LanguageMême sujetSyntax, Semantics, Linguistic VariationTravaux en français237 207