MétaCan
Menu
Retour à la cohorte
Enregistrement W2916902879 · doi:10.5617/osla.6674

I'm done my homework: Complement Coercion and Aspectual Adjectives in Canadian English

2018· article· en· W2916902879 sur OpenAlexaboutno aff
Patrick B. Murphy

Notice bibliographique

RevueOslo Studies in Language · 2018
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeurobiology of Language and Bilingualism
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNounComplement (music)Coercion (linguistics)LinguisticsReading (process)Event (particle physics)Computer sciencePsychologyArtificial intelligenceNatural language processingPhilosophy

Résumé

récupéré en direct d'OpenAlex

Self-paced reading and eye-tracking studies have generally found that combining aspectual verbs (like ‘begin’ and ‘finish’) with entity nouns (like ‘the book’ or ‘the coffee’) is associated with increased reading times on and around the noun (McElree et al. 2001; Traxler et al. 2002; Pickering et al. 2005). This processing cost is widely interpreted as evidence of complement coercion—aspectual verbs semantically select for an event (like ‘dancing’ or ‘the dance’) and can take entity objects only if they are coerced into an event through a computationally costly process of type-shifting (Pustejovsky 1995; Jackendoff 1997). This paper presents an eye-tracking study of the Canadian English ‘be done NP’ construction, e.g., ‘I am done/finished my homework’ (not to be confused with the dialect-neutral ‘I am done/finished WITH my homework’) to mean ‘I have finished my homework’. Results suggest a processing penalty for entity-denoting nouns like ‘the script’ (compared to event description nouns like ‘the audition’) in this construction, which supports Fruehwald & Myler’s (2015) proposal that ‘done’ and ‘finished’ in this construction are aspectual adjectives that behave like aspectual verbs in requiring complement coercion and type-shifting for entity-denoting nouns.

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)0,005
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,097

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0030,003
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,053
Tête enseignante GPT0,359
Écart entre enseignants0,305 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOslo Studies in LanguageMême sujetNeurobiology of Language and BilingualismTravaux en français237 207