Are You the Type of Person Who Likes Other People? Extended Uses of the Reciprocal Particle ‐an in Kinyarwanda
Notice bibliographique
Résumé
In linguistics, making a verb reciprocal means that one person does something to another person and that the other person does the same thing to the first person. Thus "John and Mary like each other" implies that "John likes Mary" and "Mary likes John." In most languages, one can only make a verb reciprocal when its subject is plural, so that "John and Mary like each other" is fine, but *"John likes each other" does not make sense. In Kinyarwanda, a Bantu language spoken in Rwanda, the reciprocal is indicated by the suffix ‐an on the verb, for example, Habimana na Mariya barakundana "Habimana and Maria like each other." However, the equivalent sentence with a singular subject, Habimana arakundana, does not have the nonsense interpretation *"Habimana likes each other" but rather the more intelligible "Habimana is the type of person who likes other people." Based on this rather unusual finding from field work with a native speaker of Kinyarwanda, this presentation explores the suffix ‐an in terms of the types of sentences in which it can and cannot appear in an attempt to generalize how it is used, the range of its meaning, and its possible relation with the preposition na "with."
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 | 0,002 | 0,005 |
| 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 | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».