Investigating the universality of consonant and vowel co-occurrence restrictions
Notice bibliographique
Résumé
Certain phonotactic constraints on the co-occurrence of segments appear to be much more common across the world’s languages than others. In many languages, similar consonant co-occurrence is restricted through Obligatory Contour Principle (OCP) effects, while there are some exceptions for identical consonants. In vowels, the opposite pattern appears to hold: many languages have vowel harmony processes, where vowels within a domain are required to share some feature. Languages that encourage similar consonant co-occurrence or restrict similar vowel co-occurrence appear to be exceedingly uncommon. However, evidence of this pattern so far only comes from studies of individual languages or families, or of only consonants or vowels. We investigate patterns of co-occurrence in vowels and consonants in 107 Northern Eurasian languages across 21 families using Bayesian negative binomial regression to explicitly model the effects of aggregate similarity and segment identity on co-occurrence counts (the results of which can be interpreted similarly to observed/expected ratios). We find that the effect of similarity is remarkably consistent across languages: Similar consonant co-occurrence is disfavored, while aggregate similarity has no effect on vowel co-occurrence. Identical segment co-occurrence effects are much more variable across languages, with a tendency towards disfavoring identical consonants, and favoring identical vowels. We also find larger effects in consonants than in vowels, suggesting that consonant co-occurrence is more strongly constrained than vowel co-occurrence. We also find that there is no evidence for or against any correlations between vowel and consonant co-occurrence, suggesting that more data is needed to evaluate this possibility.
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 | 0,000 | 0,001 |
| 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 ».