Native and Non-Native Patterns in Conflict: Lexicon vs. Grammar in Loanword Adaptation in Brazilian Portuguese
Notice bibliographique
Résumé
English loanwords with /ʌ/ that are part of the Brazilian Portuguese (BP) lexicon are normally produced with [ɐ] (pub: [ˈpɐbɪ]). Although [ɐ] is the closest segment to /ʌ/ in the native inventory, it is highly constrained in BP: it is an allophone of /a/ that can only appear in nasal contexts. This paper investigates whether native speakers of BP generalize to novel loanwords the adaptation pattern of English /ʌ/ that is present in the BP lexicon. Two experiments were conducted, one with real loanwords and one with nonce loanwords. In the Real Loanword Experiment, participants consistently used [ɐ] both in oral (pub) and nasal contexts (funk), as predicted given the patterns in the lexicon. In the Nonce Loanword Experiment, participants used [ɐ] significantly more frequently in nasal contexts – in oral contexts, the most frequent adaptation was [a]. This reveals that speakers employ their native grammar to filter new loanwords: in contexts where [ɐ] is not licensed, they favor the corresponding licensed form. These results suggest that native speakers do not generalize non-native patterns that are present in the lexicon, mirroring what has been observed for the generalization of unnatural patterns in native grammars (e.g., Garcia 2017; Jarosz 2017).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».