Testing theories of temporal inferences: Evidence from child language
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
Sentences involving past tense verbs, such as “My dogs were on the carpet”, tend to give rise to the inference that the corresponding present tense version, “My dogs are on the carpet”, is false. This inference is often referred to as a cessation or temporal inference, and is generally analyzed as a type of implicature. There are two main proposals for capturing this asymmetry: one assumes a difference in informativity between the past and present counterparts (Altshuler & Schwarzschild 2013), while the other proposes a structural difference between the two (Thomas 2012). The two approaches are similar in terms of empirical coverage, but differ in their predictions for language acquisition. Using a novel animated picture selection paradigm, we investigated these predictions. Specifically, we compared the performance of a group of 4–6-year-old children and a group of adults on temporal inferences, scalar implicatures arising from “some”, and inferences of adverbial modifiers under negation. The results revealed that overall, children computed all three inferences at a lower rate than adult controls; however they were more adult-like on temporal inferences and inferences of adverbial modifiers than on scalar implicatures. We discuss the implications of the findings, both for a developmental alternatives-based hypothesis (e.g., Barner et al. 2011; Singh et al. 2016; Tieu et al. 2016; 2018), as well as theories of temporal inferences, arguing that the finding that children were more (and equally) adult-like on temporal inferences and adverbial modifiers supports a structural theory of temporal inferences along the lines of Thomas (2012).
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 | 0,000 | 0,007 |
| 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) | 0,001 | 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