MétaCan
Menu
Retour à la cohorte
Enregistrement W2981994520 · doi:10.1017/cnj.2019.28

Hierarchy effects in copula constructions

2019· article· en· W2981994520 sur OpenAlexaff
Stefan Keine, Michael Wagner, Jessica Coon

Notice bibliographique

RevueThe Canadian Journal of Linguistics / La revue canadienne de linguistique · 2019
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSyntax, Semantics, Linguistic Variation
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésCopula (linguistics)GermanHierarchyMathematical economicsMathematicsComputer scienceLinguisticsEconometricsPolitical sciencePhilosophyLaw

Résumé

récupéré en direct d'OpenAlex

Abstract This paper develops a generalization about agreement in German copula constructions described in Coon et al. (2017), and proposes an analysis that ties it to other well-established hierarchy phenomena. Specifically, we show that “assumed-identity” copula constructions in German exibit both person and number hierarchy effects, and that these extend beyond the “non-canonical” or “inverse” agreement patterns described in previous work on copula constructions (e.g., Béjar and Kahnemuyipour 2017 and works cited there). We present experimental evidence to support this generalization, and then develop an account that unifies it with hierarchy phenomena in other languages, with a focus on PCC effects. Specifically, we propose that what German copula constructions have in common with PCC environments is that there are multiple accessible DPs in the domain of a single agreement probe, the lower of which is more featurally specified than the higher (see, e.g., Béjar and Rezac 2003, 2009; Anagnostopoulou 2005; Nevins 2007). We also offer an explanation as to why number effects are present in German copula constructions but notably absent in PCC effects. We then place our account within the broader context of constraints on predication structures.

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)0,003
score de la tête « metaresearch » (Gemma)0,010
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 enseignants0,010
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,004
Communication savante0,0020,004
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,011
Tête enseignante GPT0,217
Écart entre enseignants0,206 · 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

Citations9
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Linguistics / La revue canadienne de linguistiqueMême sujetSyntax, Semantics, Linguistic VariationTravaux en français237 207