Object clitics and null objects in the acquisition of French
Notice bibliographique
Résumé
This dissertation investigates (direct) object clitics and object omission in the acquisition of French as a first language. It reports on two original empirical studies which were designed to address aspects of object omission in child French that have remained unexplored in previous research. Study 1 investigates the incidence of object omission in the spontaneous speech of French-speaking children aged three and above, an age group for which no analysis, and only little data, have been available so far. Findings show that object omission continues to occur at non-negligible rates in this group. A comparison with age- and language-matched groups of English- and Chinese-speaking children (from Wang, Lillo-Martin; Best & Levitt 1992) suggests that French-speaking children omit objects at higher rates than their English-speaking peers, yet at lower rates than children acquiring a true null object language, such as Chinese. Study 2 was designed to investigate whether French-speaking children would accept null objects on a receptive task, an issue that has not been previously investigated. A series of truth value judgment experiments is developed, adapting an experimental paradigm that has not been used previously in the context of null objects. Results from English- and French-speaking children show that both groups consistently reject null objects on these tasks, a finding that constitutes counterevidence to proposals which attribute object omission in production to a genuine null object representation sanctioned by the child grammar. Overall, the pattern of results turns out not to be consistent with any developmental proposals made in the literature, suggesting that a novel approach is required. Proposing a minimalist adaptation of Sportiche's (1996) analysis of clitic constructions, and taking into consideration the recent emphasis on 'interface' requirements imposed by language-external systems, I put forward a hypothesis for future research, the Decayed Features Hypothesis (DFH), which locates the source of object (clitic) omission in child French in a specific language-external domain, namely the capacity of working memory.
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 ».