Is there a hip or a pie in hippie?
Notice bibliographique
Résumé
Abstract Pseudo-compound words (e.g., hippie ) are words that look like compound words (e.g., snowman ) but, in fact, do not have the morphemic structure of a compound word. For instance, the pseudo-compound word hippie has hip and pie embedded in it, but they do not function as morphemes. Pseudo-compound words vary in terms of phonological transparency. Some, such as pumpkin , are phonologically transparent because the pronunciations of pump and kin are maintained when these pseudo-constituents become part of pumpkin . In contrast, the pseudo-compound word carrot is phonologically opaque because the pronunciations of car and rot change when they are embedded in carrot . Previous studies have demonstrated that compound words go through morphological decomposition and attempts at meaning construction during written production tasks. For instance, compound words are not output as single units during typing tasks, but rather are typed in chunks based on their morphology (e.g., snowball is typed in two parts: first as snow and then as ball ), which results in an increase in typing latencies at the morpheme boundary (i.e., between the last letter of the first constituent and first letter of the second constituent). The same is true for pseudo-compound words, even though these words do not have the morphemic structure of a compound word. Given that previous research has shown that the morphological decomposition of compound words during typing tasks looks different depending on the semantic transparency of the compound word’s constituents (i.e., the degree to which the meaning of each constituent of a compound word contributes to the word’s overall meaning), we wanted to examine whether the level of phonological transparency of the pseudo-constituents of a pseudo-compound word influences typing latencies at the pseudo-morpheme boundary.
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) | 0,002 | 0,001 |
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 ».