MétaCan
Menu
Retour à la cohorte
Enregistrement W4205713717 · doi:10.1525/collabra.31055

Is Passive Priming Really Impervious to Verb Semantics? A High-Powered Replication of Messenger Et al. (2012)

2022· article· en· W4205713717 sur OpenAlexaff
I Made Sena Darmasetiyawan, Ben Ambridge

Notice bibliographique

RevueCollabra Psychology · 2022
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeurobiology of Language and Bilingualism
Établissements canadiensInstitute of Population and Public Health
Organismes subventionnairesEconomic and Social Research Council
Mots-clésVerbLinguisticsSentenceTheme (computing)PsychologyPrime (order theory)MorphemeComputer scienceCognitive psychologyMathematicsPhilosophy

Résumé

récupéré en direct d'OpenAlex

The aim of the present study was to conduct a particularly stringent pre-registered in-vestigation of the claim that there exists a level of linguistic representation that “includes syntactic category information but not semantic information” (Branigan & Pickering, 2017: 8). As a test case, we focussed on the English passive; a construction for which previous findings have been somewhat contradictory. On the one hand, several studies using different methodologies have found an advantage for theme-experiencer passives (e.g., The girl was shocked by the tiger; and also agent-patient passives; e.g., The girl was hit by the tiger) over experiencer-theme passives (e.g., The girl was ignored by the tiger). On the other hand, Messenger et al. (2012) found no evidence that theme-experiencer and experiencer-theme passives vary in their propensity to prime production of agent-patient passives. We therefore conducted an online replication of Messen-ger et al (2012) with a pre-registered appropriately powered sample (N=240). Although a large and significant priming effect (i.e., an effect of prime sentence type) was ob-served, a Bayesian analysis yielded only weak/anecdotal evidence (BF=2.11) for the crucial interaction of verb type by prime type; a finding that was robust to different coding and exclusion decisions, operationalizations of verb semantics (dichoto-mous/continuous), analysis frameworks (Bayesian/frequentist) and – as per a mixed-effects-multiverse analyses – random effects structures. Nevertheless, these findings do no not provide evidence for the absence of semantic effects (as has been argued for the findings of Messenger et al, 2012). We conclude that these and related findings are best explained by a model that includes both lexical, exemplar-level representations and rep-resentations at multiple higher levels of abstraction.

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)0,022
score de la tête « metaresearch » (Gemma)0,093
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Reproductibilité · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,978
Score d'incertitude au seuil0,114

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0220,093
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,002
Communication savante0,0010,004
Science ouverte0,0020,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0220,005

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 Opus0,038
Tête enseignante GPT0,364
Écart entre enseignants0,326 · 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.

Devis d'étudeExpérimental (laboratoire)
DomaineReproductibilité
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

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCollabra PsychologyMême sujetNeurobiology of Language and BilingualismTravaux en français237 207