MétaCan
Menu
Retour à la cohorte
Enregistrement W2783011109 · doi:10.1111/cogs.12581

Children's Acquisition of the English Past‐Tense: Evidence for a Single‐Route Account From Novel Verb Production Data

2018· article· en· W2783011109 sur OpenAlexaff
Ryan Blything, Ben Ambridge, Elena Lieven

Notice bibliographique

RevueCognitive Science · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueLanguage Development and Disorders
Établissements canadiensInternational Development Research Centre
Organismes subventionnairesEconomic and Social Research Council
Mots-clésVerbPast tenseAnalogyLinguisticsInflectionPsychologyContrast (vision)YesterdayGrammarComputer scienceArtificial intelligencePhilosophy

Résumé

récupéré en direct d'OpenAlex

This study adjudicates between two opposing accounts of morphological productivity, using English past-tense as its test case. The single-route model (e.g., Bybee & Moder, ) posits that both regular and irregular past-tense forms are generated by analogy across stored exemplars in associative memory. In contrast, the dual-route model (e.g., Prasada & Pinker, ) posits that regular inflection requires use of a formal "add -ed" rule that does not require analogy across regular past-tense forms. Children (aged 3-4; 5-6; 6-7; 9-10) saw animations of an animal performing a novel action described with a novel verb (e.g., gezz; chake). Past-tense forms of novel verbs were elicited by prompting the child to describe what the animal "did yesterday." Collapsing across age group (since no interaction was observed), the likelihood of a verb being produced in regular past-tense form (e.g., gezzed; chaked) was positively associated with the verb's similarity to existing regular verbs, consistent with the single-route model only. Results indicate that children's acquisition of the English past-tense is best explained by a single-route analogical mechanism that does not incorporate a role for formal rules.

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)0,007
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,100
Tête enseignante GPT0,362
Écart entre enseignants0,262 · 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

Citations16
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCognitive ScienceMême sujetLanguage Development and DisordersTravaux en français237 207