MétaCan
Menu
Retour à la cohorte
Enregistrement W4236039901 · doi:10.31234/osf.io/h9ra6

No Nouns, No Verbs: Psycholinguistic Arguments in Favor of Lexical Underspecification

2016· preprint· en· W4236039901 sur OpenAlexaff
David Barner, Alan Bale

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomainePsychology
ThématiqueReading and Literacy Development
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésLinguisticsUnderspecificationMental lexiconNounLexiconVerbLexical densityGrammarPsychologyLexical itemBootstrapping (finance)PsycholinguisticsComputer sciencePhilosophyCognitionMathematics

Résumé

récupéré en direct d'OpenAlex

It is often assumed that the primitive units of grammar are words that aremarked for grammatical category (e.g., DiSciullo, A.M., Williams, E., 1987.On the Definition of Word: MIT Press, Cambridge, MA). Based on a review ofresearch in linguistics, neurolinguistics, and developmental psychology, weargue that dividing the lexicon into categories such as noun and verb offersno descriptive edge, and adds unnecessary complexity to both the theory ofgrammar and language acquisition. Specifically, we argue that a theorywithout lexical categories provides a better account of creative languageuse and category-specific neurological deficits, while also offering anatural solution to the bootstrapping problem in language acquisition(Pinker, S., 1982. A theory of the acquisition of lexico-interpretivegrammars. In: Bresnan, J. (Ed.), The Mental Representation of GrammaticalRelations. MIT Press, Cambridge, MA, pp. 655– 726).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,857
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,006

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 Opus0,045
Tête enseignante GPT0,360
Écart entre enseignants0,315 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations66
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetReading and Literacy DevelopmentTravaux en français237 207