MétaCan
Menu
← Retour à la cohorte
Enregistrement W2949682853 · doi:10.53228/njas.v20i3.183

Comparing Hiatus Resolution in Karanga and Nambya

2011· article· en· W2949682853 sur OpenAlexaff
Calisto Mudzingwa, Maxwell Kadenge

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2011
Typearticle
Langueen
DomainePsychology
ThématiquePhonetics and Phonology Research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésVowelConsonantPhonotacticsHiatusArticulation (sociology)Place of articulationLinguisticsPrefixMorphophonologyMathematicsPhonologyPhilosophyPolitical science

Résumé

récupéré en direct d'OpenAlex

This article compares three hiatus resolution strategies, viz., glide formation, secondary articulation and vowel elision in Karanga and Nambya, two southern Bantu languages spoken in Zimbabwe. The overall analysis is couched in Optimality Theory (hereafter OT). The strategies operate across a prefix and a stem as well as across a nominal stem and a diminutive suffix. In both languages, glide formation is the default strategy and when blocked by phonotactic constraints, secondary articulation kicks in. In turn, when secondary articulation is blocked by OCP-driven constraints, V1 elision occurs. The main inter-language difference occurs when V1 is a coronal vowel and is preceded by a consonant; Karanga deletes V1 regardless of the quality of the preceding consonant because it does not allow palatalized consonants. In contrast, Nambya which allows some palatalized consonants employs secondary articulation with all other consonants except when the preceding consonant is palatal–where V1 is elided. In sum, in Karanga and Nambya, the quality of V1 and whether it is preceded by a consonant or not as well as the type of consonant preceding it determine which strategy between glide formation, secondary articulation and elision repairs the dispreferred configuration-hiatus.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,093
Score d'incertitude au seuil0,185

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,002
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
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 Opus0,562
Tête enseignante GPT0,610
Écart entre enseignants0,048 · 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

Citations0
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)→Même sujetPhonetics and Phonology Research→Travaux en français237 207→