Word order in French: the role of animacy
Notice bibliographique
Résumé
A major goal of the quantitative study of syntax has been to identify factors that have predictive power on speaker choices in the face of word-order or valence alternations (e.g. Arnold et al. 2000; Bresnan et al. 2007; Bresnan & Ford 2010; Bader & Häussler 2010). In this paper, we study the role of animacy on the order of constituents in French. Animacy has been shown to affect sentence production in other languages, either directly (Feleki & Branigan 1999; Kempen & Harbusch 2004; Tanaka et al. 2011) or indirectly through grammatical role assignment (McDonald et al. 1993). Corpus studies however, have failed to find such an effect in French (Thuilier 2012a; Thuilier et al. 2014). Using a sentence recall task, we examined whether animacy has an impact on linear ordering or on grammatical function assignment. While we do find evidence for a role of animacy in the choice between active and passive voice, we do not find a preference to place animate arguments first with ditransitive verbs nor with nominal coordinations. While these findings tend to support the indirect hypothesis (McDonald et al. 1993; Kempen & Harbusch 2004), we also find what may look like an anti-animacy effect: inanimate direct objects tend to precede animate indirect objects. We propose that canonical mappings between syntactic function and semantic role play a role in putting (inanimate theme) direct objects before (animate recipient) indirect objects, thus overriding the animacy first tendency in French.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».