Un acercamiento neurocientífico a la relatividad lingüística
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Between the 1920s and the 1950s, linguists Benjamin Whorf and Edward Sapir shaped a hypothesis that suggests that the world we perceive is distorted by the language we speak: We see the world through a linguistic filter. This hypothesis has been interpreted and discussed countless times in the last fifty years from anthropology, sociology, linguistics and cognitive science. To Whorf, the words of our language determine the way we see the world: in the case of the rainbow, the bands of different colors that emerge from the light continuum would actually be a product of the way in which we have subdivided and named the spectrum. Color discrimination is a bad example of this theory, since it is not the result of linguistic but innate filters -product of biological mechanisms in our retinas and brains. But the “rainbow” phenomenon is relevant as an example of Categorical Perception, in which categories determine or distort our perception beyond mere physical differences: we see two shades of red that are 100 nm apart as the most similar than one shade of red and a shade of yellow at the same distance on the spectrum. Even if colors are innate categories, most of the words in our language are the names of categories that we learn through experience. The question then is if learning these categories generates changes in our perception like those that occur with the colors of the rainbow. Supported by methods that measure brain activity before, during and after learning new categories and their names, cognitive neuroscience brings new elements to study linguistic relativity from a scientific perspective. This essay recounts these approaches in order to stimulate multidisciplinary dialogues around this controversial hypothesis.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle