MétaCan
Menu
Retour à la cohorte
Enregistrement W4408964717 · doi:10.1177/00238309251314862

Form-Meaning Relations in Russian Confirmative and Surprise Declarative Questions

2025· article· en· W4408964717 sur OpenAlexaff
Andrei Munteanu, Angelika Kiss

Notice bibliographique

RevueLanguage and Speech · 2025
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLanguage, Discourse, Communication Strategies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésSurpriseLinguisticsIntonation (linguistics)PsychologyUtteranceSentenceSyntaxVerbMeaning (existential)ProsodyCommunicationPhilosophy

Résumé

récupéré en direct d'OpenAlex

Declarative questions (DQs) are declarative sentences used as questions. As declaratives, they differ from information-seeking polar questions (ISQs) in their syntax, and as biased questions, they differ from polar questions because they can convey various epistemic stances: a request for confirmation, surprise, or incredulity. Most studies on their intonation typically compare just one subtype to ISQs. In this paper, we present a production study where participants pronounced ISQs, confirmative and surprise DQs, and assertions in Russian. We analyzed the pitch and duration of the target utterances, as these prosodic cues proved to be important in the formal markedness of various biased question types across languages. A principal component analysis (PCA) on the pitch contours shows that DQs bear the same rise-fall contour as ISQs, but its peak falls on the stressed syllable of the last word of the sentence instead of the verb. The intonation of surprise DQs differs from that of confirmative ones in that they also exhibit a slight peak on the subject. Pitch alone is thus enough to distinguish the four utterance types tested. The PCA analysis was also used to identify higher-level trends in the data (principal components), two of which appear to correspond to core semantic properties, namely belief change and commitment. In addition to intonation, speaker commitment also correlates with utterance duration.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,292
Écart entre enseignants0,275 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLanguage and SpeechMême sujetLanguage, Discourse, Communication StrategiesTravaux en français237 207