MétaCan
Menu
Retour à la cohorte
Enregistrement W3176553142 · doi:10.1017/cnj.2021.11

Reanalyzing Mandarin V<sub>1</sub>-V<sub>2</sub>resultative constructions—A force-theoretic approach

2021· article· en· W3176553142 sur OpenAlexaff
Peng Han

Notice bibliographique

RevueThe Canadian Journal of Linguistics / La revue canadienne de linguistique · 2021
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSyntax, Semantics, Linguistic Variation
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésResultativeEvent (particle physics)Mandarin ChineseProperty (philosophy)Interpretation (philosophy)Argument (complex analysis)Action (physics)Blocking (statistics)CausativeLinguisticsState (computer science)MathematicsComputer sciencePhilosophyPhysicsEpistemologyQuantum mechanicsAlgorithmVerbStatistics

Résumé

récupéré en direct d'OpenAlex

Abstract This study takes a force-theoretic approach to Mandarin V1-V2resultative constructions. Unlike event-based analyses that hold a causing event accountable for a result state, this study attributes a result state to a specific entity involved in the relevant causing event. In this way, V1-V2resultative construction (RC) sentences have the interpretation that through a causing action, one entity relevant to the action caused a change of state to another entity; this causal influence is reconceptualized as a force from the former entity, characterizing the situation change concerning the latter entity. Following Copley and Harley (2015), this conceptual reanalysis is represented structurally, successfully deriving V1-V2RC sentences. V2and the internal argument DP specify the property of a resultant situation and its holder, defining the force; the external argument DP tells about this force's source; V1modifies this force, indicating the causing action through which this force is realized.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0030,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,014
Tête enseignante GPT0,214
Écart entre enseignants0,200 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Linguistics / La revue canadienne de linguistiqueMême sujetSyntax, Semantics, Linguistic VariationTravaux en français237 207