MétaCan
Menu
Retour à la cohorte
Enregistrement W4248365578 · doi:10.1163/9789004436701_006

Evidence Type, Evidence Location, Evidence Strength

2020· book-chapter· en· W4248365578 sur OpenAlexaff
Lisa Matthewson

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineArts and Humanities
ThématiqueSyntax, Semantics, Linguistic Variation
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésLinguisticsEvidentialityWitnessMeaning (existential)ModalMorphemeComputer sciencePsychologyEpistemologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

This paper investigates the question of whether ‘direct’ evidentials are amenable to an analysis as epistemic modals. Much recent literature advances modal analyses of evidentials, but direct evidentials pose prima facie problems for a modal analysis. In particular, typical epistemic modals differ from direct evidentials in that the former disallow direct witness, and convey reduced speaker certainty. In this paper I examine evidential elements in St’át’imcets (a.k.a. Lillooet; Salish), Gitksan (Tsimshianic), Nuu-chah-nulth (Wakashan), Cuzco and Wanka Quechua, English, Nivacle (Matacoan-Mataguayan), Cheyenne (Algonquian), Korean, and Tibetan. Based on the data presented, I propose that evidential contributions are more complex than is often assumed. Specifically, there are three different dimensions of meaning which evidentials may encode: (1) Evidence type (whether the evidence is visual, sensory, reported, etc.), (2) Evidence location (whether the speaker witnessed the event itself or merely some of its results), and (3) Evidence strength (the trustworthiness/reliability of the evidence). Each of the three dimensions has direct and indirect values, and particular evidential morphemes may be semantically complex, encoding information about one, two or all three of the dimensions. I then argue that contrary to what we might expect, evidentials which encode direct values on any of the three dimensions are compatible with modal semantics.

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)0,041
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: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,041
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,006
Communication savante0,0060,018
Science ouverte0,0020,005
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0130,001

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.

Tête enseignante Opus0,139
Tête enseignante GPT0,280
Écart entre enseignants0,142 · 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

Citations66
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSyntax, Semantics, Linguistic VariationTravaux en français237 207