MétaCan
Menu
Retour à la cohorte
Enregistrement W4387744903 · doi:10.1002/9781119693604.morphcom067

Polysynthesis

2023· other· en· W4387744903 sur OpenAlexaffabout
Richard Compton, Heather Bliss

Notice bibliographique

Revuenon disponible
Typeother
Langueen
DomaineArts and Humanities
ThématiqueSyntax, Semantics, Linguistic Variation
Établissements canadiensSimon Fraser UniversityUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésLinguisticsIndigenousVariation (astronomy)Focus (optics)PhenomenonComputer scienceEpistemologyPhilosophyBiologyEcologyPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract The study of polysynthesis has a long history; but defining it remains a challenge and many researchers have suggested that polysynthesis is not an absolute or unified phenomenon. In this entry, drawing largely on examples from Inuktut and Blackfoot, two Indigenous languages of Canada, we describe the range of grammatical properties that have been proposed to characterize polysynthetic languages. We show that both languages possess all the properties canonically associated with polysynthesis – holophrasis, rich phi‐marking, noun incorporation, lexical affixes, morphological complexity and non‐configurationality; yet they exhibit variation in these properties, as well as in their morphological organization. The entry highlights this variation by contrasting Blackfoot and Inuktut, and also other languages often described as polysynthetic, including Kanien'kéha (Mohawk). We outline theoretical approaches to polysynthesis, focusing on analyses of rich phi‐marking and wordhood and drawing on data from a diverse range of languages. The entry concludes with a discussion of practical challenges for polysynthetic languages, with a focus on Indigenous language revitalization. We suggest that, despite not having a clear and unified theoretical definition, the notion of polysynthesis is useful in language revitalization, particularly for language teachers and learners and those involved in language resource development.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,549
Score d'incertitude au seuil0,989

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,1160,012

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 Opus0,034
Tête enseignante GPT0,237
Écart entre enseignants0,203 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetSyntax, Semantics, Linguistic VariationTravaux en français237 207