Decomposing definiteness: Evidence from Chuj
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.
Notice bibliographique
Résumé
Abstract This article explores the realization of definiteness in Chuj, an underdocumented Mayan language. I show that Chuj provides support for recent theories that distinguish between weak and strong definite descriptions (e.g., Schwarz 2009, 2013; Arkoh and Matthewson 2013; Hanink 2018; Jenks 2018). A set of morphemes called “noun classifiers” contribute a uniqueness presupposition, composing directly with nominals to form weak definites. To form strong definites, I show that two pieces are required: (i) the noun classifier, which again contributes a uniqueness presupposition, and (ii) extra morphology that contributes an anaphoricity presupposition. Chuj strong definites thus provide explicit evidence for a decompositional account of weak and strong definites, as also advocated in Hanink 2018. I then extend this analysis to third person pronouns, which are realized in Chuj with bare classifiers, and which I propose come in two guises depending on their use. On the one hand, based on previous work (Postal 1966, Cooper 1979, Heim 1990), I argue that classifier pronouns can sometimes be E-type pronouns: weak definite determiners which combine with a covert index-introducing predicate. In such cases, classifier pronouns represent a strong definite description. On the other hand, I argue, based on diagnostics established in Bi and Jenks 2019, that Chuj classifier pronouns sometimes arise as a result of NP ellipsis (Elbourne 2001, 2005). In such cases, classifier pronouns reflect a weak definite description.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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