Light verbs and the flexible use of words as noun and verb in early language learning
Notice bibliographique
Résumé
L'auteur a accord une licence non exclusive permettant la Bibliothque nationaledu Canada de reproduire, prter, distribuer ou vendre des copies de cette thse sous la forme de microfiche/film, de reproduction sur papier ou sur format lectronique.L'auteur conserve la proprit du droit d'auteurquiprotgeoette thse.Ni la thse ni des extraits substantiels de celle.-cine doivent tre imprims Ou autrementreproduits sans son autorisation. 0-612-78824-5Canada i eombination with those for Sarah, Eve, and Naomi.AIso, analyses extended weIl beyond data for deverbal nouns, and eonsidered aIl words that eould be used flexibly as noun and verb without phonologieal change.Finally, the actual methods of analysis used in this thesis differed importantly from those used by Oshima-Takane, Barner, Eisabbagh, & Guerriero (1999; 2001), and involved detailed statistieai analyses of how target words wereused in various noun-verb proportions, how words were used in eomplex predieate eonstructions,how nouns as a class were used to denote various semantie categories, and how ehildren produeed light verbs in early 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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».