LaDEP: A large database of English pseudo-compounds
Notice bibliographique
Résumé
The Large Database of English Pseudo-compounds (LaDEP) contains nearly 7500 English words which mimic, but do not truly possess, a compound morphemic structure. These pseudo-compounds can be parsed into two free morpheme constituents (e.g., car-pet), but neither constituent functions as a morpheme within the overall word structure. The items were manually coded as pseudo-compounds, further coded for features related to their morphological structure (e.g., presence of multiple affixes, as in ruler-ship), and summarized using common psycholinguistic variables (e.g., length, frequency). This paper also presents an example analysis comparing the lexical decision response times between compound words, pseudo-compound words, and monomorphemic words. Pseudo-compounds and monomorphemic words did not differ in response time, and both groups had slower response times than compound words. This analysis replicates the facilitatory effect of compound constituents during lexical processing, and demonstrates the need to emphasize the pseudo-constituent structure of pseudo-compounds to parse their effects. Further applications of LaDEP include both psycholinguistic studies investigating the nature of human word processing or production and educational or clinical settings evaluating the impact of linguistic features on language learning and impairments. Overall, the items within LaDEP provide a varied and representative sample of the population of English pseudo-compounds which may be used to facilitate further research related to morphological decomposition, lexical access, meaning construction, orthographical influences, and much more.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,009 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».