Capturing the multi-determined nature of idiom processing using ERPs.
Notice bibliographique
Résumé
The multi-determined model (Titone & Libben, The Mental Lexicon, 2014, 9, 473) suggests that processing of idioms depends on multiple linguistic factors (e.g., familiarity, literal plausibility, decomposability). According to this model, these sources of information modulate the comprehension of idioms at different time courses. In the current study, we investigated whether these linguistics factors modulate the neurophysiological underpinnings associated with processing of different types of idioms. Adult native speakers of English read sentences that contained idioms with high and low level of familiarity and literal plausibility while their electroencephalography (EEG) was recorded. Event-related potentials data showed that idioms with low level of familiarity elicited larger negativity starting from 300 ms post stimulus onset and lasted for about 200 ms. A similar negativity, but which started later (at around 400 ms post stimulus onset) was also observed for idioms with a low level of literal plausibility. These results are consistent with the multi-determined model of idiom processing indicating the role of these linguistics factors over different time courses. Finally, the observed negativity for low familiar and low literally plausible idioms was greater over the right hemisphere. Accordingly, the possible role of the right hemisphere in processing idioms will be discussed. (PsycInfo Database Record (c) 2021 APA, all rights reserved).
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 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 ».