MétaCan
Menu
Retour à la cohorte
Enregistrement W4389625238 · doi:10.3390/languages8040285

Adaptation of Gap Predictions in Filler-Gap Dependency Processing during Reading

2023· article· en· W4389625238 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueLanguages · 2023
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeurobiology of Language and Bilingualism
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Science Foundation
Mots-clésAdaptation (eye)Object (grammar)Task (project management)Reading (process)Dependency (UML)Computer scienceAir gap (plumbing)Measure (data warehouse)Cognitive psychologyFiller (materials)Artificial intelligencePsychologyLinguisticsData miningMaterials science

Résumé

récupéré en direct d'OpenAlex

Syntactic adaptation effects have been demonstrated for an expanding list of structure types, but the mechanism underlying this effect is still being explored. In the current work on filler-gap dependency processing, we examined whether exposing participants to a less common gap location—prepositional object (PO) gaps—altered their gap predictions, and whether these effects would transfer across tasks when this input was presented in a quasi-naturalistic way (i.e., by reading stories). In Experiment 1, we demonstrated that comprehenders dampened their direct object (DO) gap predictions following exposure to PO gaps. However, Experiments 2A and 2B suggest that these adaptation effects did not transfer when the quasi-naturalistic exposure phase was presented as a separate task (Experiment 2A) and when they also needed to generalize from a syntactic to a semantic measure of direct object gap predictions (i.e., filled gap vs. plausibility mismatch sentences; Experiment 2B). Overall, these experiments add filler-gap dependency processing, as well as the gap predictions associated with it, to the growing list of structures demonstrating adaptation effects, while also suggesting that this effect may be specific to a singular experimental task environment.

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 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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,338

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0000,000

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 Opus0,055
Tête enseignante GPT0,321
Écart entre enseignants0,265 · 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