MétaCan
Menu
Retour à la cohorte
Enregistrement W4392744453 · doi:10.36074/logos-01.03.2024.063

DEVELOPING IDEA OF UNIVERSAL GRAMMAR VIA NONINVASIVE IMAGING TECHNIQUES

2024· article· fr· W4392744453 sur OpenAlexaff
Виктория Райлянова

Notice bibliographique

RevueDÉBATS SCIENTIFIQUES ET ORIENTATIONS PROSPECTIVES DU DÉVELOPPEMENT SCIENTIFIQUE · 2024
Typearticle
Languefr
DomaineComputer Science
ThématiqueEducational Technology and Pedagogy
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésComputer scienceGrammarNatural language processingArtificial intelligenceLinguisticsPhilosophy

Résumé

récupéré en direct d'OpenAlex

Our ability to speak, write, understand speech and read is critical to our ability to function in today's society. As such, psycholinguistics, or the study of how humans learn and use language, is the central topic of cognitive science. Since 1950s concept of grammatical structure, an elaboration of Humboldt’s ideas but harkens back to earlier efforts, was risen once again. Noam Chomsky, a leading figure in modern development of the idea of universal grammar, identifies precursors in the writings of Panini, Plato, and both rationalist and romantic philosophers, such as René Descartes (1647), Claude Favre de Vaugelas (1647), César Chesneau DuMarsais (1729), Denis Diderot (1751), James Beattie (1788), and Humboldt (1836) [6]. Noam Chomsky’s linguistic research in the 1950s aimed to understand the tools and means through which children acquire language [1]. Of course, it was not Noam Chomsky who first raised the question of first language acquisition, but he brought it back in terms of universal grammar. He proposed a system of principles and parameters that suggested a child’s innate understanding of syntax and semantics. But while Chomsky and his followers have been searching for rules and algorithms how UG can work, I would transfer attention to those researches who continue studying brainwork while producing and perception of speech. In my opinion, acquisition of lexically and grammatically correct language is based on understanding of the psychophysiological nature of speech. The psychophysiological basis of speech is analytic and synthetic activity of brain and, first of all, functioning of the first and second signal systems [3]. What we have in ourselves as impressions, feelings and representations from the surrounding external environment as all-natural, and from our social, excepting the word heard and seen is the first signal system of reality and it works the same both for us and for animals. But the word has made the second signal system of reality, being a signal of the first signals [2].

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)0,001
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,002
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,046
Tête enseignante GPT0,352
Écart entre enseignants0,307 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDÉBATS SCIENTIFIQUES ET ORIENTATIONS PROSPECTIVES DU DÉVELOPPEMENT SCIENTIFIQUEMême sujetEducational Technology and PedagogyTravaux en français237 207