MétaCan
Menu
Retour à la cohorte
Enregistrement W4409246069 · doi:10.1075/lab.24058.kim

More evidence on the unergative–unaccusative distinction in second language grammars

2025· article· en· W4409246069 sur OpenAlexaff
Takayuki Kimura, Tomohisa Hirokawa

Notice bibliographique

RevueLinguistic Approaches to Bilingualism · 2025
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSyntax, Semantics, Linguistic Variation
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésRule-based machine translationLinguisticsComputer scienceNatural language processingPhilosophy

Résumé

récupéré en direct d'OpenAlex

Abstract This study presents new evidence for the structural unergative–unaccusative distinction, in second language (L2) grammars, focusing on elementary-level Japanese-speaking learners of English (JLEs). The underlying distinction of unergatives–unaccusatives is often obscured on the surface strings due to independent syntactic properties such as feature-driven subject movement (in English) or headedness (in Japanese). Nevertheless, based on previous findings, elementary-level JLEs are expected to have reset headedness but have not acquired subject movement. Then, the resulting representation would not involve the properties obscuring the underlying unergative–unaccusative distinction and potentially exhibit it on the surface strings in L2 English. Following these observations, we carefully designed test sentences with un/grammatical word orders that elementary-level JLEs would generate and conducted an acceptability judgment task with native speakers of English and elementary-/intermediate-level JLEs. The results showed that, in contrast to native controls and intermediate learners, who exhibited target-like patterns, elementary-level JLEs incorrectly accepted ungrammatical word orders only with unaccusatives (e.g., * When did arrive the train ? ) but not those with unergatives (e.g., * Where did dance the man ? ). This discrepancy can be attributed to the sensitivity to the structural distinction of unergative–unaccusative verbs, and our data provide evidence for the creative construction of an interlanguage in L2 acquisition.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · 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
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
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 Opus0,120
Tête enseignante GPT0,292
Écart entre enseignants0,172 · 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'étudeQualitatif
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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLinguistic Approaches to BilingualismMême sujetSyntax, Semantics, Linguistic VariationTravaux en français237 207