Layered feet and syllable-integrity violations: The case of Copperbelt Bemba bounded tone spread
Notice bibliographique
Résumé
Abstract We identify evidence supporting two amendments to standard metrical theory: the inclusion of layered feet, and the allowance of syllable-integrity violations, where a foot parses some, but not all, of a syllable’s constituents. The evidence comes from a High tone spreading process attested in Copperbelt Bemba (CB), which as reported by Bickmore and Kula (2013) et seq., occurs over a ternary domain. In quintessentially metrical fashion, the domain is sensitive to the presence and position of heavy syllables. Thus, we argue that metrical theory should take the CB data into account. CB ternary spreading can occur in contexts with an abundance of unparsed syllables on either side of the domain. We argue that this property is problematic for ‘Weak Layering’ accounts using binary feet (McCarthy and Prince 1986; Hayes 1995), which revolve around the minimal presence of unparsed syllables. We propose an alternative account using layered feet (Martínez-Paricio and Kager 2015), specifying an inner quantity-sensitive iamb and a strictly monomoraic adjunct. We show that a principled characterization of the spreading domain is that tone associates to all and only footed moras. We argue that a metrical analysis provides a more principled account of the data than can be achieved by Bickmore and Kula’s purely autosegmental analysis. Finally, we show that foot-based accounts of CB ternary spreading predict syllable-integrity violations (SIVs), where parsing consumes only the first of two tautosyllabic moras. Contrary to the common view that SIVs are universally disallowed, we embrace this result and put it in a typological context. We adopt an Optimality Theory constraint set to model SIVs (Kager and Martínez-Paricio 2018b), and extend it, paving the way for a typological investigation of SIVs.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».