Bibliographic record
Abstract
L’objectif de cet article est de rendre compte des pluriels simples et doubles de l’arabe dans le cadre de la théorie des nominaux et de l’individuation de Borer (2005) . En particulier, nous étudions ces pluriels dans les constructions où l’accord entre le verbe et le pluriel est déviant et faisons quatre propositions 1) les pluriels internes sont féminins (et singuliers) à un niveau sous-jacent dans les contextes où l’accord est déviant, ne représentant donc pas, contrairement aux apparences, d’échec d’appariement ; 2) lorsque les pluriels internes s’accordent avec le verbe, une interprétation distributive ou collective est établie, et lorsque les pluriels internes ne s’accordent pas avec le verbe, seule l’interprétation collective peut être générée, résultat de la fonction atomisante du féminin que l’on retrouve indépendamment dans le contexte du singulatif ; 3) le pluriel interne féminin constitue la base des doubles pluriels, si bien que ces derniers font surface à un niveau supérieur dans la structure nominale, offrant donc un deuxième type de pluriel, pourvu d’une fonction comptable, alors que celui généré sous la tête Div a une fonction atomisante ; 4) les règles que nous décrivons sont tout à fait prévisibles et productives, ce qui laisse supposer que les pluriels étudiés dans notre article ne sont pas des pluriels lexicaux.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 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".