MétaCan
Menu
Retour à la cohorte
Enregistrement W4238190096 · doi:10.22215/etd/2020-14272

Scalar implicatures under uncertainty

2020· dissertation· en· W4238190096 sur OpenAlexaff
Cathy Agyemang

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineDecision Sciences
ThématiqueDecision-Making and Behavioral Economics
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésImplicatureScalar (mathematics)Probabilistic logicAxiomProbability theoryInterpretation (philosophy)Literal (mathematical logic)Computer sciencePsychologyMathematicsCognitive psychologyArtificial intelligencePragmaticsLinguisticsStatisticsAlgorithm

Résumé

récupéré en direct d'OpenAlex

Studies on judgments under uncertainty argue that individuals reason about the likelihoods of events in ways that are inconsistent with the basic axioms of probability.However, such studies fail to consider that the information expressed can be ambiguous between literal and strengthened meanings, through scalar implicatures.Under a literal interpretation, intuitive judgments may appear to violate the rules of probability.However, scalar implicatures change meanings, such that, probability theory alone does not determine how people make judgments.Instead, individuals rely on experience, prior knowledge and other cognitive factors.I examine the availability of scalar implicatures under uncertainty and its influence on perceived event likelihood.Comparing contexts where an implicature is available to where it is not, I present evidence that violations of probability theory occur only in conditions where scalar implicatures are available.Thus, probabilistic judgments must also consider how individuals apply conversational reasoning in order to resolve uncertainty.

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)0,007
score de la tête « metaresearch » (Gemma)0,044
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,044
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,011
Communication savante0,0050,011
Science ouverte0,0010,003
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,146
Tête enseignante GPT0,448
Écart entre enseignants0,301 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDecision-Making and Behavioral EconomicsTravaux en français237 207