Phonotactic constraints and learnability: analyzing Dagaare vowel harmony with tier-based strictly local (TSL) grammar
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract This paper examines vowel harmony in Dagaare using the Tier-Based Strictly Local (TSL) framework, focusing on tongue root, rounding, backness, and height harmonies. While vowel harmony in Niger-Congo languages, particularly Dagaare, has been explored from phonetic, phonological and typological perspectives, computational insights remain limited. The study applies the TSL framework to model the phonotactic constraints governing harmonic patterns, projecting only harmony-relevant features onto a tier to capture non-local dependencies while ignoring irrelevant segments. This approach allows for precise modeling of agreement among non-adjacent vowels and demonstrates that all harmony types in Dagaare can be represented within a single TSL grammar, avoiding the need for separate tiers for each feature. The findings indicate that the Dagaare system is robustly learnable from surface data under TSL constraints, offering a computationally tractable path for both human and machine learners. A key limitation is also identified: TSL fails to account for harmony exceptions in morphologically complex words, such as compounds, due to its lack of morphological domain sensitivity. The study contributes to the typological understanding of Dagaare, illustrates the utility of TSL for modeling complex harmony systems, and recommends extensions such as domain-sensitive tier projection to better handle morphologically complex contexts.
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.
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 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle