Intralingual and interlingual effects in a pure language list
Notice bibliographique
Résumé
Abstract In various English lexical decision tasks (LDTs), bi-/multilinguals have evinced shorter response times (RTs) for cognates (i.e., words with the same meaning in two languages, e.g., the Dutch-English water ) and longer RTs for interlingual homographs (IHs; words with distinct meanings in two languages, e.g., the Dutch-English map ) compared to monolingual controls (e.g., Biloushchenko, 2017 ). This suggests that multilinguals automatically activate lexical representations from multiple languages ( Dijkstra et al., 1998 ). To further investigate language (non-)selectivity, in our English LDTs, we compare the processing of cognates and IHs to intralingual words that are similar but only exist in English (i.e., cognates to metonyms like chicken , which can refer to the animal and the closely-related sense “chicken meat”, and IHs to homonyms like bat , which has two meanings: “baseball bat” and “nocturnal flying animal”). Half of our cognates and IHs only exist in our native Dutch participants’ non-native languages (English-French) to avoid any potentially confounding effects of the supposed “special status” ( Midgley et al., 2011 ) of L1. Significant inhibition was found for homonyms and significant facilitation for metonyms and native (Dutch-English) cognates but not for non-native (English-French) cognates. These results are discussed in relation to the language non-selective hypothesis ( Dijkstra et al., 1998 ).
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 ».