Séminaire du CAMS Systèmes complexes en sciences sociales

Remembering and generalizing from examples of words.
Janet Pierrehumbert (University of Oxford)

lundi 15 janvier à 14h30

Salle S123 (1e sous-sol), EHESS, 54 boulevard Raspail, 75006 – Paris

______________

Chères et chers collègues

la séance prévue pour ce vendredi 12 janvier est déplacée au lundi 15 janvier, afin de profiter du passage à Paris de Janet Pierrehumbert, linguiste à l’Université d’Oxford. Elle était auparavant à l’Université de Northwestern aux Etats-Unis. Elle utilise des méthodes expérimentales et computationnelles pour étudier la structure sonore du langage.  Elle est internationalement reconnue pour ses travaux notamment en psycholinguistique et traitement automatique du langage naturel. Elle est co-fondatrice de l’Association for Laboratory Phonology (LabPhon), une initiative interdisciplinaire visant à développer des méthodes scientifiques avancées pour étudier la structure sonore des langues. Elle est également co-fondatrice du Northwestern Institute on COmplex systems (NICO). Vous trouverez ci-dessous le titre et le résumé de son exposé (en anglais, entrée libre).

Avec nos meilleurs vœux pour 2018.

Les organisateurs.

Henri Berestycki et Jean-Pierre Nadal
______________

Janet Pierrehumbert
Professor of Language Modelling
Dept. of Engineering Science
University of Oxford, UK

Remembering and generalizing from examples of words.

Abstract:

People learn words from experienced examples of them. The words in turn provide the statistical foundation for learning word-formation patterns. What information about words is encoded and remembered? How are generalisations formed from stored examples? When people encounter variable input, do they simply remember and reproduce this variation, or do they systematise it in their own outputs?

In this talk, I will present results from corpus analyses and online game-like experiments that address these questions. These indicate that mental representations of words include much detail, including contextual detail such as social-indexical associations. At the same time, there is a great amount of individual variation in what information is encoded and the way abstract generalizations are formed from remembered examples. The basic mechanism for learning word formation is not probability-matching, as assumed in recent Bayesian models. People have a propensity to systematise the input, but differ in what contextual associations they notice, how open they are to unexpected input, and how aggressively they systematise. These results support claims that heterogeneity in the speech community plays a strong role in language variation and change.

————————————
Retrouvez ici toutes les informations sur le séminaire et les prochaines séances :
http://cams.ehess.fr/systemes-complexes-en-sciences-sociales/