MEG evidence for left temporal and orbitofrontal involvement in breaking down inflected words and putting the pieces back together
Notice bibliographique
Résumé
A major puzzle in the visual word recognition literature is how the human brain deals with complex words (e.g., presuppose). Prior work has shown that a multi-stage process is involved, starting with the early, form-based decomposition stage where a word is broken down into smaller pieces called morphemes {pre-}+{suppose} and ending with the recombination stages where the pieces are put back together to access the word's full meaning. However, most neurolinguistic studies have focused on the first stage, and/or on derivational morphology, which inherently carries both syntactic and semantic information, and this research has overwhelmingly investigated Indo-European languages. Here, we investigate visual word recognition of Tagalog complex words, focusing on inflectional prefixes which allows us to zero in on the contribution of syntactic information during the recombination stage, where both syntactic and semantic information are expected to be analyzed. Using MEG, we replicate previous findings implicating the left fusiform gyrus in segmenting complex words into pieces. We also show that the recombination stages, where the morphological pieces are put back together, activate the left posterior temporal lobe and left orbitofrontal cortex. Although our results support a multi-stage comprehension model of complex words and confirm that these distinct stages are associated with distinct spatiotemporal profiles, we also observed some spatiotemporal differences compared to previous studies on derivational morphology. For the first time, we show that inflected words activate the same core processing profile as derived words in the early (decomposition) stage, while later (recombination) stages of morphological processing point to an earlier and faster recombination of inflected words.
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 | 0,000 |
| 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 ».