MétaCan
Menu
Retour à la cohorte
Enregistrement W4237418365 · doi:10.22215/etd/2018-13216

Pseudoclefts

2018· dissertation· de· W4237418365 sur OpenAlex
Katie Van Luven

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revuenon disponible
Typedissertation
Languede
DomaineArts and Humanities
ThématiqueSyntax, Semantics, Linguistic Variation
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésPredicative expressionComputer scienceLinguisticsCounterweightSubject (documents)Relative clauseContrast (vision)Natural language processingMathematicsArtificial intelligencePhilosophyEngineering

Résumé

récupéré en direct d'OpenAlex

This thesis proposes syntactic and semantic analyses for the two kinds of pseudoclefts, predicational and specificational. I suggest that although the two are syntactically quite different they are similar in their semantics. Predicational pseudoclefts are analyzed as predicational copular clauses with a free relative subject and a predicative counterweight. In contrast, I adopt a deletion-based approach to specificational pseudoclefts, in which the pre-copular constituent is left-dislocated and the counterweight is a fragment of what is underlyingly a full clause. Semantically, I propose that the wh-clause in predicational pseudoclefts denotes an individual, while in specificational pseudoclefts it denotes a question. The analyses of both wh-clauses involve the maximal informativity operator, MAX INF . In the former, MAX INF operates over predicates and in the latter it operates over sets of propositions. The overall aim of this thesis is to account for the differences between predicational and specificational pseudoclefts while also highlighting their similarities in an intuitively satisfying manner.

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 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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge 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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,524
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0590,028

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 Opus0,025
Tête enseignante GPT0,264
Écart entre enseignants0,239 · 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

En bref

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSyntax, Semantics, Linguistic VariationTravaux en français237 207