MétaCan
Menu
Retour à la cohorte
Enregistrement W2952803378 · doi:10.1111/cogs.12736

Effects of Case and Transitivity on Processing Dependencies: Evidence From Niuean

2019· article· en· W2952803378 sur OpenAlexafffund
Rebecca Tollan, Diane Massam, Daphna Heller

Notice bibliographique

RevueCognitive Science · 2019
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSyntax, Semantics, Linguistic Variation
Établissements canadiensUniversity of Toronto
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaUniversity of Toronto
Mots-clésErgative caseTransitive relationObject (grammar)Oblique caseSubject (documents)Computer scienceParsingArgument (complex analysis)LinguisticsVerbArtificial intelligenceMathematicsPhilosophy

Résumé

récupéré en direct d'OpenAlex

We investigate the processing of wh questions in Niuean, a VSO ergative-absolutive Polynesian language. We use visual-world eye tracking to examine how preference for subject or object dependencies is affected (a) by case marking of the subject (ergative vs. absolutive) and object (absolutive vs. oblique), and (b) by the transitivity of the verb (whether the object is obligatory). We find that Niuean exhibits (a) an effect of case, whereby dependencies of arguments with absolutive case (whether subjects or objects) are preferred over dependencies of arguments with ergative or oblique case, and (b) an effect of transitivity, whereby dependencies of obligatory objects (i.e., of transitive verbs) are preferred over dependencies of optional objects (i.e., of intransitive verbs). These results constitute evidence against theories that appeal to a universal subject advantage, or to the linear distance between filler and gap. Instead, the effect of case is consistent with a frequency-based account: Because absolutive case has a wider syntactic distribution than ergative or oblique, absolutive dependencies are easier to process. The effect of transitivity reflects sensitivity of the parser to whether or not an argument is obligatory. We propose that these two strategies could be unified if the parser prefers dependencies with arguments that are more likely to materialize.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
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 Opus0,032
Tête enseignante GPT0,268
Écart entre enseignants0,236 · 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

Citations8
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCognitive ScienceMême sujetSyntax, Semantics, Linguistic VariationTravaux en français237 207