MétaCan
Menu
Retour à la cohorte
Enregistrement W3097896550 · doi:10.1075/sll.00049.tka

Measuring lexical and structural conventionalization in young sign languages

2020· article· en· W3097896550 sur OpenAlexaff
Oksana Tkachman, Carla L. Hudson Kam

Notice bibliographique

RevueSign Language & Linguistics · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueHearing Impairment and Communication
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésCompoundingComputer scienceSign (mathematics)Set (abstract data type)Artificial intelligenceNatural language processingLinguisticsProgramming languageMathematicsPhilosophyBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Compounding, as a nearly universal word-formation process that is very useful in emerging languages, might be expected to conventionalize early in a language’s history. However, a recent study focusing on novel compounding in ISL and ABSL found that this may not be the case, and moreover, that the two languages appear to differ in how compounding is conventionalizing ( Tkachman & Meir 2018 ). In this paper, we follow up on their findings, using six new measures to further evaluate lexical and structural conventionalization in the same set of novel compounds elicited by Tkachman & Meir (2018) . We found that ISL shows more lexical convergence, whereas ABSL shows more structural convergence. We propose that the differences in conventionalization we observe can be linked to the different social circumstances of these languages ( Meir et al. 2010 ).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,384
Score d'incertitude au seuil0,434

Scores Codex et Gemma par catégorie

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

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 Opus0,051
Tête enseignante GPT0,339
Écart entre enseignants0,288 · 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 tête enseignante, 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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSign Language & LinguisticsMême sujetHearing Impairment and CommunicationTravaux en français237 207