When unpredictable does not mean difficult to process
Notice bibliographique
Résumé
During language comprehension, words that are less expected tend to take more effort. This phenomenon has been described by the hypothesis that cognitive cost scales in surprisal (negative log probability; Hale, 2001; Levy, 2008), with a core justification being that surprisal quantifies the amount by which a rational comprehender's beliefs about meaning change upon encountering a word. However, this focus on next-word prediction may be too narrow. In this work we advocate measuring processing cost directly with the size of the change in beliefs about meaning, a reframing which implies a novel class of potential situations where surprisal may systematically overestimate cost. We identify typographical errors as a test case, and implement estimators of surprisal and belief-update in a noisy-channel model of comprehension as inference about intended strings. In a self-paced reading time study, we present evidence that human reading time behaves as predicted by belief-update size, rather than surprisal.
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 | 0,005 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,006 | 0,014 |
| Études des sciences et des technologies | 0,002 | 0,007 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,010 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,027 |
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 ».