MétaCan
Menu
Retour à la cohorte
Enregistrement W4307687307 · doi:10.5430/wjel.v12n8p390

Markedness-Based Analysis of Englyn Meter

2022· article· en· W4307687307 sur OpenAlexvenueno aff
Aliaa Aloufi

Notice bibliographique

RevueWorld Journal of English Language · 2022
Typearticle
Langueen
DomainePsychology
ThématiquePhonetics and Phonology Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMarkednessRhymeLinguisticsSyllableComputer scienceWelshMetreHierarchyPhonologyConstraint (computer-aided design)PoetryGenerative grammarLine (geometry)Natural language processingArtificial intelligenceMathematicsSpeech recognitionPhilosophy

Résumé

récupéré en direct d'OpenAlex

This research aims to examine the Englyn meter in the poetry of Celtic language (Medieval Welsh) that requires the poetic texts to conform to an abstract prosodic template. This counting meter regulates the phonological constituency on the same metric level of the prosodic hierarchy rather than on the metrical hierarchy in verse (the line). In the main types of Englyn meters, Englyn milwr and Englyn penfyr, phonological units of each line are constrained with a certain number of syllables and rhyme with the final syllable of most lines. This research offers a markedness-based analysis that generates the well-formedness meter of Celtic language Welsh poetry. The Optimality Theoretical analysis derives the constraint on the phonological constituency over a certain metric level of the prosodic hierarchy (the line) with markedness constraints. Further coping constraints that are normally used for reduplication are needed to account for the rhyme of the final syllable in Englyn meter. The analysis offered supports the Development hypothesis, which is fundamental to generative metrics indicating that meter is evidently related to general language phonology. These results could help analyse other counting meters with restricted phonological constituency.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,018
Tête enseignante GPT0,329
Écart entre enseignants0,311 · 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'étudeSans objet
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of English LanguageMême sujetPhonetics and Phonology ResearchTravaux en français237 207