MétaCan
Menu
Retour à la cohorte
Enregistrement W2614911840 · doi:10.1017/s002222671700010x

Non-canonical agreement in copular clauses

2017· article· en· W2614911840 sur OpenAlexaff
Susana Béjar, Arsalan Kahnemuyipour

Notice bibliographique

RevueJournal of Linguistics · 2017
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSyntax, Semantics, Linguistic Variation
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésSyntaxLinguisticsAlternation (linguistics)AgreementInversion (geology)ArmenianPhysicsHistoryPhilosophyGeology

Résumé

récupéré en direct d'OpenAlex

In this paper we investigate cross-linguistic variation in the morphosyntax of copular clauses, focusing on agreement patterns in binominal structures [NP1 BE NP2]. Our starting point is the alternation between NP1 and NP2 agreement, which arises both within and across languages. This alternation is typically taken to be confined to specificational (i.e. inverted) clauses, and previous analyses have strongly identified NP2 agreement with the syntax of inversion. However, we show that NP2 agreement is attested in a broader range of contexts, specifically in (assumed identity) equative structures, suggesting that it should not be correlated with specificational syntax. We present contrasting data from two languages – Persian and Eastern Armenian – for which the syntax of copular clauses is understudied. Whereas in Persian we see NP2 agreement in specificational structures but NP1 agreement in assumed identity equatives, in Eastern Armenian both types of structure yield NP2 agreement. We argue that the contrast between Persian and Eastern Armenian supports an approach that takes the NP1–NP2 alternation to arise as a phi-sensitivity in the probe–goal mechanics of Agree in a minimalist framework. Under this view, NP2 agreement is independent of syntactic inversion and is the result of the probe structure being articulated in such a way that certain NPs fail to Agree.

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)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0010,002
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,054
Tête enseignante GPT0,301
Écart entre enseignants0,248 · 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'étudeQualitatif
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

Citations27
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of LinguisticsMême sujetSyntax, Semantics, Linguistic VariationTravaux en français237 207