Beyond Plain and Extra-Grammatical Morphology: Echo-Pairs in Hungarian
Notice bibliographique
Résumé
[t͡sit͡sɒ-mit͡sɒ] "cat.dim"). Echo-pairs are commonly seen as an example of extra-grammatical morphology in the literature. Our goal in looking at this phenomenon is to gain a better understanding of the morphological mechanisms underlying extra-grammatical phenomena and shed new light on the distinction between plain and extra-grammatical morphology. We analyze data from (a) a collection of echo-pairs extracted from a large corpus of online texts and (b) a large-scale online nonce-word experiment with close to 1,500 participants. Our results reveal two key phonological patterns in the data and some additional systematic variation across words and experimental stimuli. We compare two different models of morphology, the Minimal Generalization Learner and the Generalized Context Model, in terms of their ability to capture this variation. We find that echo-pair formation is best captured by lexicon-oriented models such as the Generalized Context Model, but only when they rely on a structured similarity metric that encodes broader generalizations about the data. Our results do not support a clear-cut distinction between extra-grammatical and plain morphological processes, and we suggest that some of the peculiar characteristics of extra-grammatical phenomena such as echo-pair formation may simply follow from their special function and the limited set of contexts in which they appear.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».