Prosodic focus in English vs. French: A scope account
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
We compare the use of prosodic prominence in English and French to convey focus. While previous studies have found these languages, and Germanic vs. Romance more generally, to differ in their use of prominence to encode focus (e.g., Ladd 1990; 1996; 2008; Lambrecht 1994; Cruttenden 1997; 2006), exactly what underlies the difference remains an open question. We investigate two possibilities: The difference between the languages could be due to a difference in their phonology, restricting the circumstances in which material can be prosodically reduced, as proposed in Féry (2014). Alternatively, there could be syntactic, semantic, and/or pragmatic differences concerning when prominence can be used to encode focus. We compare these hypotheses in a production study which varied the type of focus context (corrective, contrastive, parallelism) to establish the contextual conditions on when a shift in prosodic prominence can occur. The results confirm earlier claims that French uses prosodic prominence to encode focus in corrections, but fails to prosodically encode other types of focus, in contrast to English. We further find that French and English encode focus with very similar acoustic means. Our results show that both languages have the phonological/phonetic means to encode focus using prominence shifts, but differ with respect to the semantic and pragmatic circumstances in which they use them. We propose that these semantic/pragmatic differences between English and French are a result of differences in the syntactic scope possibilities of the focus operator involved in prosodic focus marking.
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.
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 | 0,001 | 0,003 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle