On choosing the vehicles of metaphors 2.0: the interactive effects of semantic neighborhood density and body-object interaction on metaphor production
Notice bibliographique
Résumé
In a metaphor, such as language is a bridge, two distinct concepts known as the topic (i.e., language) and vehicle (i.e., bridge) are juxtaposed to produce figurative meaning. Previous work demonstrated that, when creating metaphors, participants choose vehicles that are concrete, rather than abstract, and are also a moderate semantic distance away from the topic. However, little is known about the semantic representations underlying metaphor production beyond topic-vehicle semantic distance and vehicle concreteness. Here, we studied the role of two semantic richness variables in metaphor production – semantic neighborhood density (SND), which measures the proximity of a word and its associations in semantic space, and body-object interaction (BOI), which reflects the ease with which a human body can motorically interact with a word’s referent. In each trial, participants were presented with an abstract topic, such as miracle, and were instructed to make an apt and comprehensible metaphor by choosing a vehicle word (e.g., lighthouse). All of the topics were abstract but half were high-SND (from dense semantic neighborhoods) and half were low-SND (from sparse semantic neighborhoods). Similarly, half of the potential vehicle words were either high or low in SND and also differed on BOI such that half were high-BOI (e.g., bicycle), whereas half were low-BOI (e.g., rainbow). We observed a three-way interaction such that participants selected low-BOI, rather than high-BOI, vehicle words when topics or vehicles were high-SND. We interpret this finding to suggest that participants attempt to reduce the overall semantic richness of their created metaphors.
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 | 0,003 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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.
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 ».