Bibliographic record
Abstract
En psycholinguistique, le fonctionnement et la structure du lexique mental représentent un domaine de recherche privilégié. Plusieurs études expérimentales abordent le rôle joué par la structure morphologique des mots dans la reconnaissance des formes morphologiquement complexes. Notre recherche porte sur la reconnaissance visuelle des mots composés du français. Nous nous proposons d'étudier un certain nombre de variables et leur interaction afin d'observer leur impact sur le traitement lexical de cette catégorie de mots morphologiquement complexes. L'idée de départ est que les mots composés ne sont pas représentés de la même façon dans le lexique mental. Dans une tâche de décision lexicale avec amorçage masqué, nous avons manipulé trois variables indépendantes: le type de mot composé (variable à trois niveaux: transparent, semi-transparent et opaque), la classe grammaticale des constituants du mot composé (variable à quatre niveaux: nom-nom, adjectif-nom, nom-adjectif et verbe-nom), le type d'amorce (variable à trois niveaux: amorce sur le premier composant, amorce sur le deuxième composant et amorce neutre). La variable dépendante a été le temps de réponse mesuré en millisecondes. Cette variable a été aussi doublée du score de réussite qui a servi de contrôle. À une étape préliminaire de notre expérimentation, 12 locuteurs natifs du français, adultes, étudiants au Département de linguistique et de didactiques des langues de l'Université du Québec à Montréal ont participé sur une base volontaire à un prétest sémantique afin de déterminer le caractère transparent ou opaque de 150 mots composés du français. Ensuite, 34 autres personnes adultes, étudiants de cycles supérieurs au même département de la même université ont participé à l'expérience proprement dite sur une base volontaire. Tous les sujets avaient le français comme langue maternelle et avaient fait leur cheminement scolaire en français. Les résultats de notre expérimentation ont montré que les mots composés opaques sont reconnus plus rapidement que les mots composés transparents et semi-transparents lorsqu'ils sont précédés d'une amorce non-liée. Par contre, dans la condition d'amorce liée, toutes les catégories de mots composés (opaques, semi-transparents et transparents) observent des effets de facilitation de leur reconnaissance par rapport à la condition contrôle (amorce non-liée). Les résultats obtenus ont montré aussi qu'en amorçage masqué, les deux constituants du mot composé peuvent faciliter la reconnaissance du mot entier. Un autre aspect issu de notre recherche est que la catégorie grammaticale des constituants des mots composés joue un rôle dans la reconnaissance de ces mots. ______________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Mots composés, Accès lexical, Degré de transparence sémantique, Position d'amorce, Catégorie grammaticale.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.014 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".