Persian compounds in the mental lexicon
Notice bibliographique
Résumé
Compound words exhibit properties of both single words and phrases, raising the question of the extent to which compounds are processed as single units or as word combinations. Most studies have addressed this in Germanic languages (English, German and Dutch) which have the similar compound structure of modifier-head ordering. To see whether this limits our understanding of compound word processing and to examine compound decomposition in another language, we presented Persian stimuli auditorily in a paradigm involving typing out stimuli. We examined the effects of semantic transparency, modifier-head ordering and the potential differences between attached compounds written without spaces and those with a space between the constituents. We report the inter-keystroke-interval times, yielding letter-by-letter production of compound structures produced by 31 native speakers of Persian. Results analyzed in a linear mixed-model regression analysis suggested that, for all compounds, typing speed is slowed at the boundary between the constituents of Persian compound words. These effects, which we interpret to be evidence of morphological decomposition, were present for both semantically transparent and opaque compounds, for both head-initial and head-final compounds, and for both attached and spaced compounds. We observed greater morphological decomposition effects in semantically transparent (versus opaque) compounds. We also observed that the way transparency influences the degree of decomposition is moderated by headedness. Thus, this first report for the written production of compound words confirms previous observations of significant decomposition at morphological boundaries in English compounds, but with variation specific to Persian.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».