Long-distance phonological processes as tier-based strictly local functions
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Whether we analyze phonological processes using a system of rules or constraints, the resulting map from underlying representations to surface pronunciations can be characterized as a function. Viewing processes as mathematical objects in this way allows us to study properties of phonology that hold no matter how it is implemented. Work in this vein has found that a majority of phonological processes only consider information within a finite window, placing them in the highly restrictive class of Strictly Local (SL) functions (Chandlee 2014; Chandlee et al. 2014; 2015). Long-distance phonological processes, however, lie outside the capabilities of the SL functions since they consider information that can be arbitrarily distant. The more powerful class of subsequential functions has been offered as a potential characterization of long-distance phonology (Heinz & Lai 2013; Luo 2017; Payne 2017), but we argue that an intermediate class offers a more natural model. Specifically, by incorporating an autosegmental tier (e.g., Goldsmith 1976) into the structure of an SL function, the non-local information crucial for applying long- distance processes can be rendered local. In addition to assessing the typological coverage of these Tier-based Strictly Local functions (Burness & McMullin 2019; Hao & Andersson 2019; Hao & Bowers 2019), we show that they fail to generate two pathological behaviours (minimum distance requirements and modulo counting) that can be accomplished with a subsequential function. We therefore conclude that tier-based computation is a better characterization of long-distance phonology than subsequential computation.
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.
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 | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle