MétaCan
Menu
Retour à la cohorte
Enregistrement W4281624546 · doi:10.3389/fpsyg.2022.880687

Bound Variable Singular They Is Underspecified: The Case of All vs. Every

2022· article· en· W4281624546 sur OpenAlexafffund
Keir Moulton, Trevor Block, Holly Gendron, Dennis Ryan Storoshenko, Jesse Weir, Sara Williamson, Chung–hye Han

Notice bibliographique

RevueFrontiers in Psychology · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueReading and Literacy Development
Établissements canadiensUniversity of CalgarySimon Fraser UniversityUniversity of Toronto
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaAcademy of Korean Studies
Mots-clésPluralDistributivityPsychologyQuantifier (linguistics)PhraseLinguisticsAffect (linguistics)Variable (mathematics)Reading (process)Social psychologyDistributive propertyCognitive psychologyMathematicsPure mathematicsCommunication

Résumé

récupéré en direct d'OpenAlex

The goal of this article is to investigate the factors that affect the acceptability and processing of they. Previous research has sought to determine whether there are acceptability and processing differences between they/themselves with plural vs. singular antecedents, with mixed results. The studies reported here address this question using bound variable singular they (e.g., Every customer claimed that they were first in line). We asked whether bound singular they is sensitive to both the morphological number and the semantic distributivity of the binding quantifier phrase. We contrasted morphologically singular quantified antecedents (every and each) with plural quantified antecedents (all). Instead of finding an effect of number, we found an effect of semantic distributivity in acceptability, with bound singular they demonstrating a cline of preference toward more distributive antecedents. Neither number nor distributivity, however, registered as an effect on reading times. Rather, for all types of quantified antecedents, encountering a pronoun like he or she rather than they registered a processing delay, in contrast to non-quantified antecedents. Our results are most fully compatible with the view that they is underspecified for number properties.

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)0,002
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,003
Communication savante0,0020,004
Science ouverte0,0000,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,026
Tête enseignante GPT0,319
Écart entre enseignants0,293 · 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'étudeObservationnel
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

Citations5
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in PsychologyMême sujetReading and Literacy DevelopmentTravaux en français237 207