MétaCan
Menu
← Retour à la cohorte
Enregistrement W7043887814

Time and Phonology: Precedence-Based Representations

2023· dissertation· en· W7043887814 sur OpenAlexfundno aff

Notice bibliographique

RevueSpectrum Research Repository (Concordia University) · 2023
Typedissertation
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Music Perception
Établissements canadiensnon disponible
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaConcordia University
Mots-clésPhonologyRepresentation (politics)Scope (computer science)CognitionObject (grammar)Order (exchange)Cognitive systemsSpace (punctuation)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

A major factor hindering the establishment of a successful neuroscience of phonology centers around the biological viability of a given phonological framework. The ultimate aim of this project is to find potential alignments between linguistics and neuroscience. In this vein, the main topic of the thesis rests upon establishing the minimal complexity requirements for a phonological representation that is biologically plausible, cognitively sound, and empirically motivated. Heeding Minimalist proposals (Chomsky, 1995) that encourage efficiency in computation and economy in representation, I embark on an in-depth exploration of the parameters of cognition that are necessary and sufficient in a phonological representation while discounting the processes and parameters that can be said to be “domain-general”. To that end, I take seriously Ernst Po ̈ppel’s (2004) exhortation to consider the role of temporal events like linear order and precedence in the study of cognitive systems like phonology by surveying the literature on time perception. The conclusions support a separation of order from phonological representations, extending the scope of substance-freeness (Hale and Reiss, 2000) by characterizing order as substance. Such an approach can contribute to thoroughly defining the object of study and offer insight that narrows the search space for potential bridges.

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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,020

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,003
Communication savante0,0040,006
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,057
Tête enseignante GPT0,324
Écart entre enseignants0,267 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSpectrum Research Repository (Concordia University)→Même sujetNeuroscience and Music Perception→Travaux en français237 207→