MétaCan
Menu
Retour à la cohorte
Enregistrement W2921146147 · doi:10.1525/collabra.182

Aspect and Narrative Event Segmentation

2019· article· en· W2921146147 sur OpenAlexaff
Daniel Feller, Anita Eerland, Todd R. Ferretti, Joseph P. Magliano

Notice bibliographique

RevueCollabra Psychology · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueLanguage, Metaphor, and Cognition
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesnon disponible
Mots-clésNarrativeEvent (particle physics)Duration (music)Context (archaeology)Task (project management)LinguisticsCognitionPsychologySegmentationComputer scienceCognitive psychologyHistoryArtificial intelligenceArtLiterature

Résumé

récupéré en direct d'OpenAlex

Time is central to human cognition, both in terms of how we understand the world and the events that unfold around us as well as how we communicate about those events. As such, language has morphological systems, such as temporal adverbs, tense, and aspect to convey the passage of time. The current study explored the role of one such temporal marker, grammatical aspect, and its impact on how we understand the temporal boundaries between events conveyed in narratives. In Experiments 1 and 2, participants read stories that contained a target event that was either conveyed with a perfective (e.g., watched a movie) or imperfective aspect (e.g., was watching a movie) and engaged in an event segmentation task. Events described in the perfective aspect were more often perceived as event boundaries than events in the imperfective aspect, however, event duration (long vs. short) did not impact this relationship in Experiment 2. Experiment 3 demonstrated that readers were sensitive to grammatical aspect and event duration in the context of a story continuation task. Overall this study demonstrates that grammatical aspect interacts with world knowledge to convey event structure information that influences how people interpret the end and beginning of events.

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

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,004
Science ouverte0,0000,001
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 Opus0,018
Tête enseignante GPT0,345
Écart entre enseignants0,327 · 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

Citations7
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCollabra PsychologyMême sujetLanguage, Metaphor, and CognitionTravaux en français237 207