Animacy in the acquisition of differential object marking by Romanian monolingual children
Notice bibliographique
Résumé
Differential object marking (DOM) has been shown, in an impressive number of production studies, to be acquired by monolingual children at around age 3. The picture which emerges from comprehension data, however, reveals that DOM is an area of vulnerability in L1 acquisition. This study investigates the acquisition of DOM by monolingual Romanian children using a preference judgment task. 80 monolingual Romanian children (aged 4;04-11;04) and a control group of 10 Romanian adults took part in the study. Results show that DOM is vulnerable and trace this vulnerability to the animacy feature. Romanian children incorrectly overgeneralize DOM to inanimate proper names and inanimate descriptive DPs until age 9. The vulnerability of animacy is predicted by its variable behaviour with respect to object marking as well as by the current increase in the use of clitic doubling, a DOM marker less sensitive to animacy. On the learnability side, we account for the findings in terms of Biberauer & Roberts’ (2015, 2017) Maximize Minimal Means model. We suggest that, in accordance with the Feature Economy bias, Romanian children first identify only the role of referential stability (which has more robust cues in the input) and consider the possibility of animacy as a relevant feature later. In line with the Input Generalization bias, children maximize the role of referential stability which results in overgeneralization of DOM to inanimate objects, especially to inanimate proper names.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».