Mental states via possessive predication: the grammar of possessive experiencer complex predicates in Persian
Notice bibliographique
Résumé
be given a formal semantic treatment involving possession of a portion of an abstract quality by an individual, as in the analysis of property concept lexemes due to Francez and Koontz-Garboden (Language 91(3):533-563, 2015; Natural Language and Linguistic Theory 34:93-106, 2016; Semantics and morphosyntactic variation: Qualities and the grammar of property concepts, Oxford University Press, 2017). Augmented with an analysis of prepositional phrases introducing the target of the mental state and an approach to gradability in terms of measure functions (Wellwood in Measuring predicates, PhD dissertation, University of Maryland, College Park, 2014), the analysis explains various properties of possessive experiencer complex predicates, including the behavior of target phrases, the ability of the non-verbal element to be modified by a range of adjectives, the direct participation of the non-verbal element in comparative constructions, and the ability of degree expressions to modify both the non-verbal element and the VP containing the complex predicate. Theoretically, the analysis ties transitive mental state expressions to the grammar and semantics of property concept sentences, which are expressed via possessive morphosyntax cross-linguistically, and connects with syntactic proposals that independently argue for a universal underlyingly possessive morphosyntax for mental state predicates (Noonan in Case and syntactic geometry, PhD dissertation, McGill University, 1992; Hale and Keyser in Prolegomenon to a theory of argument structure, MIT Press, 2002). The work here also motivates modifications to Francez and Koontz-Garboden's original proposal, and opens new questions in the original empirical domain of the analysis of possessive predicating strategies for the expression of property concept sentences.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,006 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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 ».