Notice bibliographique
Résumé
Complement coercion (The woman finished the coffee, The worker started a bench) has been treated as a phenomenon of mismatch and repair, where an aspectual verb (begin, finish, start, etc.) which typically takes an event argument (e.g., fight, game) instead occurs with a physical entity as its direct object (e.g. coffee, bench) (Pustejovsky and Bouillon, 1995). The specific combination of an aspectual verb and an entity type direct object is known to cause processing costs for readers(McElree et al., 2001; Traxler et al., 2002, and more). With few exceptions in past literature (e.g., Pi˜nango and Deo, 2016), the processing of these coercion sentences has been analogized to the interpretation of a covert complement verb, semantically composed but not syntactically present (finish the coffee→finish [drinking] the coffee). This means that past accounts treat coercion interpretation as lexicalized event retrieval – a process of interpreting a physical entity direct object as an event by way of lexical selection (i.e., choosing an appropriate verb to represent the event). In this dissertation, I present 3 diverse methodologies to offer a new descriptive account of complement coercion. I argue for coercion interpretation as lexically underspecified event selection, where an event sense is chosen from several broad possible meanings of the aspectual verb itself. I argue against the dominant treatment of coercion as lexicalized event retrieval, and in favour of a descriptive theory that relies on independently motivated ground principles. More broadly, I situate the processing of complement coercion as a derivative of other linguistic phenomena, as opposed to being a construction-specific process of repair. I end by noting other coercion phenomena where a similar, multidisciplinary approach might challenge prevailing assumptions that require singular construction-specific explanations.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,005 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».