Exploring Scaled AIC within English closed compounds

CHARITON CHARITONIDIS Investigador independiente ORCID id: orcid.org/0000-0003-0298-2629 Campos de investigación: formación de palabras, expresiones pluriverbales, semántica léxica, reconocimiento de palabras, emoción. DOI: doi.org/10.35321/all90-11 EXPLORACIÓN DEL AIC ESCALADO EN LOS COMPUESTOS CERRADOS DEL INGLÉS Exploración del AIC escalado en los compuestos cerrados (palabras compuestas) del inglés ANOTACIÓN El Criterio de Información de Akaike (AIC) es una medida consolidada de bondad de ajuste para seleccionar modelos en el análisis de datos empíricos. Sin embargo, el AIC es sensible al tamaño de la muestra. Investigaciones anteriores del autor han demostrado que el AIC escalado, es decir, el AIC dividido por el tamaño de la muestra, es una herramienta eficaz para evaluar el ajuste del modelo y jerarquizar modelos de regresión. El presente estudio explora otras propiedades de esta variable. El objeto de investigación son 66 modelos de regresión múltiple relativos al procesamiento de compuestos cerrados (concatenados) del inglés, tomados de la Gran Base de Datos de Compuestos del Inglés (LADEC) de Gagné et al. (2019). En particular, el AIC escalado se contrapone al English Lexicon Project (ELP) y al British Lexicon Project (BLP) como fuentes de tiempos de respuesta, a las tareas de decisión léxica y denominación, a la longitud de los compuestos y a las normas de transparencia. Se utilizan como métodos el ANOVA unidireccional, el análisis de efectos principales y pruebas no paramétricas. Los resultados sugieren que el AIC escalado responde al diseño experimental, a la fuente de los tiempos de respuesta y a las tareas de decisión léxica y denominación. Al mismo tiempo, los resultados de este estudio ofrecen apoyo empírico para la validación de los métodos empleados por Gagné et al. (2019). PALABRAS CLAVE: compuestos del inglés, AIC escalado, decisión léxica, denominación. ANOTACIÓN El criterio de información de Akaike (AIC, por sus siglas en inglés) es una medida consolidada de la bondad de ajuste de los modelos, aplicada al análisis de datos empíricos. Sin embargo, el AIC es sensible al tamaño de la muestra. Investigaciones anteriores del Straipsniai / Articles 273 CHARITON CHARITONIDIS autor demostraron que el AIC escalado, dividido por el tamaño de la muestra, es una herramienta eficaz para evaluar la bondad de ajuste del modelo y jerarquizar los modelos de regresión. En este estudio se examinan otras características de esta variable. El objeto de investigación son 66 modelos de regresión múltiple relacionados con el procesamiento de compuestos cerrados (palabras compuestas) del inglés, tomados de la Gran Base de Datos de Compuestos del Inglés de Gagné et al. (2019) (LADEC, por sus siglas en inglés). En primer lugar, el AIC se contrasta con el English Lexicon Project (ELP) y el British Lexicon Project (BLP), como fuentes de tiempos de respuesta, tareas de decisión léxica y denominación, longitud de los compuestos y normas de transparencia. Los métodos utilizados son el ANOVA unidireccional (Analysis of variance, en inglés), el análisis de los efectos principales y pruebas no paramétricas. Las conclusiones muestran que el AIC escalado responde al diseño experimental, a la fuente de los tiempos de respuesta y a las tareas de decisión léxica y denominación. Al mismo tiempo, los resultados de este estudio proporcionan una base empírica para la validación de los métodos aplicados por Gagné et al. (2019). PALABRAS CLAVE: compuestos del inglés (palabras compuestas), AIC escalado, decisión léxica, denominación. 1. LA GRAN BASE DE DATOS DE COMPUESTOS DEL INGLÉS (LADEC: GAGNÉ ET AL. 2019)¹ La Gran Base de Datos de Compuestos del Inglés (LADEC: Gagné et al. 2019) es la mayor base de datos existente de palabras compuestas. Contiene más de 8000 compuestos sin espacios («cerrados» o «concatenados») (=sustantivos), seleccionados de diversas fuentes, entre ellas la base de datos CELEX (Baayen et al. 1995), el English Lexicon Project (ELP; Balota et al. 2007), el British Lexicon Project (BLP; Keuleers et al. 2012), el British National Corpus (BNC) y Wordnet. Del conjunto completo de entradas de LADEC, 7,804 compuestos pueden analizarse de manera unívoca en dos constituyentes morfémicos libres.² Se considera una gran variedad de compuestos, por ejemplo, compuestos sustantivo-sustantivo, p. ej., buttercup, shipyard, compuestos cuyo segundo constituyente deriva de una raíz verbal, p. ej., pacemaker, painkiller, etc. (para las definiciones de las clases de compuestos, véase Lieber 2004: 46). El primer constituyente no nuclear remite a un amplio conjunto de categorías gramaticales. La Figura 1 contiene una breve muestra de las entradas de LADEC. Los modelos de regresión múltiple de Gagné et al. (2019) incluyen un amplio conjunto de variables predictoras (=independientes), como la longitud del compuesto, la frecuencia de bigramas ¹ Esta sección fue adaptada de Chariton Charitonidis (2022), con ligeras modificaciones. ² LADEC incluye plurales de compuestos ya enumerados como entradas separadas. 274 Acta Linguistica Lithuanica XC Exploring Scaled AIC within English Closed Compounds en la frontera morfémica, el tamaño de la familia, la frecuencia de las palabras, medidas de probabilidad y asociación (basadas en vectores), normas emocionales/de sentimiento calculadas a partir de las valoraciones de los participantes, etc. Los tiempos de respuesta logarítmicos de los compuestos del ELP (decisión léxica, denominación) y del BLP (decisión léxica) se utilizan como variables dependientes. En su mayor parte, la longitud del compuesto (número de caracteres) y la frecuencia logarítmica del compuesto (=palabra) del corpus SUBTLEX-US (Brysbaert, New 2009)³ y del BNC (BLP) se utilizan como variables de control. En los modelos de Gagné et al. (2019), las variables predictoras mencionadas anteriormente tuvieron efectos significativos sobre los tiempos de decisión léxica y denominación. FIGURA 1. Entradas de LADEC: muestra El foco principal del estudio de Gagné et al. (2019) se situó en diversas medidas de transparencia semántica. Gagné et al. (2019) pidieron a los participantes que valoraran los compuestos teniendo en cuenta hasta qué punto el significado del compuesto es predecible a partir de sus partes (valoraciones de predictibilidad del significado, basadas en el compuesto) y cuánto del significado de cada constituyente se conserva en el compuesto (valoraciones de retención del significado, basadas en el constituyente). Los autores constataron que la distribución de las transparencias del constituyente segundo era mucho más apuntada y elevada que la distribución de las transparencias del primer constituyente (MC1: 64.80 [SD: 19.59] frente a MC2: 71.00 [SD: 16.46]. N = 8115). Sin embargo, la valoración del ³ El corpus SUBTLEX–US es un corpus de 51 millones de tokens basado en subtítulos de películas y programas de televisión estadounidenses. Varios estudios recientes han aportado pruebas que indican que las normas de frecuencia obtenidas de subtítulos de películas y programas de televisión tienden a ser más eficaces que las derivadas de textos impresos para explicar las diferencias en el tiempo de procesamiento léxico y, en algunos casos, en la precisión entre hablantes nativos de diversas lenguas (véase Chen et al. 2018: 2 y las referencias allí incluidas). Straipsniai / Articles 275 CHARITON CHARITONIDIS primer constituyente estaba más fuertemente correlacionada con la valoración del compuesto completo que la valoración del segundo constituyente (c1~cmp: r = 0.75, p <.001 frente a c2~cmp: r = 0.66, p <.001. N = 429).⁴ Cabe destacar que la valoración de retención del significado del primer constituyente y la valoración de predictibilidad del significado del compuesto predijeron los tres tipos de tiempos de respuesta, es decir, los tiempos de decisión léxica del ELP, los tiempos de decisión léxica del BLP y los tiempos de denominación del ELP. En conclusión, la distribución más apuntada y elevada de las transparencias del segundo constituyente y la mejor asociación del primer constituyente con la predictibilidad del significado del compuesto parecen trasladarse directamente a las operaciones del núcleo en los compuestos del inglés. El segundo constituyente, es decir, el núcleo, es una unidad cuya transparencia se ve potenciada categórica y semánticamente (en cuanto al aspecto semántico, véanse las relaciones de entrañamiento e hiponimia). El primer constituyente, es decir, el modificador, es el factor más crítico para establecer la referencia del compuesto. Como resultado, su transparencia covaría más estrechamente con la transparencia del compuesto.⁵ 2. CRITERIO DE INFORMACIÓN DE AKAIKE (AIC) En 1973, Hirotugu Akaike desarrolló un método para estimar la expectativa relativa de la distancia de Kullback–Leibler (Kullback 1959) utilizando la log-verosimilitud maximizada de Fisher (Fisher 1922; véase también Aldrich 1997). Esta medida, denominada habitualmente Criterio de Información de Akaike (AIC; Akaike 1973), introdujo un marco novedoso para seleccionar modelos en el análisis de datos empíricos, lo que supuso un cambio de paradigma significativo (Burnham, Anderson 2002). El AIC se calcula normalmente de la siguiente manera: −2lnL + 2k, donde «lnL» se refiere a la log-verosimilitud maximizada/completa del modelo y «k» se refiere al número de parámetros, incluida la constante. Un conjunto menor de predictores suele asociarse con modelos más eficientes (modelos con una menor pérdida de información). Cuanto menor (=más negativo) sea el valor del AIC, mejor será el ajuste del modelo. En este contexto, el AIC penaliza, como medida de bondad de ajuste, el uso de un número elevado de predictores que, potencialmente, da lugar a valores de AIC más altos (véase la parte «+2k» de la ecuación del AIC). ⁴ La prueba z de Steiger (1980) mostró que esta diferencia era significativa, z = 27.71, p <.0001 (Gagné et al. 2019). ⁵ Al remitirse a investigaciones anteriores, Gagné et al. (2019) señalan que «el modificador (el primer constituyente en inglés) tiende a desempeñar un papel mayor en la selección de la facilidad de relación durante el procesamiento de compuestos y sintagmas nominales». 276 Acta Linguistica Lithuanica XC Exploring Scaled AIC within English Closed Compounds El AIC es sensible al tamaño de la muestra. El AICc, una versión corregida del AIC, incorpora el tamaño de la muestra mediante la fórmula 2k (k + 1)/ (n − k − 1). Sin embargo, aborda específicamente los tamaños de muestra pequeños y no se recomienda para modelos basados en muestras grandes, como el de Gagné et al. (2019).⁶ Cabe señalar que investigadores como Kenneth P. Burnham & David R. Anderson (2002) no ofrecen una solución definitiva para comparar los valores del AIC de modelos ajustados con tamaños de muestra tanto diferentes como grandes.⁷ En particular, Burnham & Anderson (2002: 80–85, 334–335) ofrecen un análisis exhaustivo de las implicaciones de los tamaños de muestra desiguales para la comparación de modelos. Sostienen que emplear criterios de información para comparar modelos con diferentes tamaños de muestra puede conducir a resultados engañosos. Del mismo modo, como señaló Svetunkov en un debate en línea en 2016 (véase la referencia posterior a la bibliografía), todos los criterios de información se basan en la función de verosimilitud que, a su vez, depende del tamaño de la muestra. Concretamente, a medida que aumenta el tamaño de la muestra, disminuye la verosimilitud. En consecuencia, los criterios de información también aumentarán en tales casos.⁸ 3. INVESTIGACIONES ANTERIORES En Charitonidis (2022), los valores del AIC correspondientes a 44 modelos de regresión múltiple con distintas combinaciones de variables emocionales (valencia, activación y concreción para (a) palabras y (b) contextos de palabras) se dividieron por el tamaño de la muestra (N) para obtener valores de AIC escalado (AIC/N). Posteriormente, estos valores se utilizaron para evaluar ⁶ Para más información sobre el AICc, se remite al lector a Burnham & Anderson (2002: 374–380). ⁷ Una de las soluciones que proponen Burnham & Anderson (2002) se refiere a la transformación de los valores del AIC en «pesos de Akaike», definidos como «la verosimilitud relativa del modelo, dados los datos» (Burnham, Anderson 2002: xiii; véase también Wagenmakers, Farrell 2004). ⁸ Disponible en: https://stats.stackexchange.com/questions/94718/model-comparison-with-aic-based-on-different-sample-size [consultado el 16.06.2023]. El lector puede comprender la afirmación de Svetunkov sustituyendo distintos valores por el componente «lnL» de la ecuación del AIC, mientras mantiene constante el componente «2k». Una disminución del valor de lnL dará lugar a un valor de AIC más alto, es decir, inferior. ⁹ En la bibliografía, el AIC escalado también se denomina «AIC medio». Según Svetunkov (comunicación personal), la práctica de dividir el Criterio de Información de Akaike por el tamaño de la muestra no es novedosa. Por ejemplo, Hastie et al. (2009: 230–231) definen el AIC de manera no canónica, empleando N como denominador en la fórmula. Aunque esta desviación de la fórmula convencional del AIC no carece de críticos, sigue siendo un enfoque habitual, como demuestra su inclusión en el paquete de software estadístico Stata. Por ejemplo, Stata informa de «AIC dividido por N» en la salida de sus modelos, como evidencian diversos ejemplos disponibles en línea (se agradece a I. Svetunkov el haber proporcionado esta información). Straipsniai / Articles 277 CHARITON CHARITONIDIS y comparar la bondad de ajuste de los modelos. La introducción de predictores clave en los modelos globales, es decir, generales, mostró que los tiempos de decisión léxica del BLP exigían una mejor bondad de ajuste que los tiempos de decisión léxica del ELP. El ajuste de los modelos de denominación del ELP se situó dentro del intervalo de los observados para los modelos de decisión léxica del ELP y del BLP. Cabe destacar que la concreción del contexto para el segundo constituyente surgió como predictor significativo en todos los modelos con frecuencia SUBTLEX-US, tanto en decisión léxica como en denominación. En Charitonidis (2024), todos los coeficientes significativos de los modelos globales con frecuencia SUBTLEX-US se contrastaron con la variable de hiponimia (Gagné et al. 2020). Se constató que los modelos que incluían tanto la hiponimia como la concreción del contexto para el segundo constituyente siempre se asociaban con el valor más bajo (=mejor) de AIC escalado, en comparación con los modelos anidados, es decir, reducidos, que omitían una de estas dos variables. Las pruebas de Wald aplicadas posteriormente mostraron que los modelos anidados siempre se referían a una reducción significativa (=deterioro) del coeficiente de determinación (R2). Las Tablas 1 y 2 muestran, respectivamente, los valores del AIC escalado y los resultados de las pruebas de Wald correspondientes. TABLA 1. Valores del AIC escalado para modelos anidados que omiten la hiponimia («Modelo 2») o la concreción del contexto para el segundo constituyente («Modelo 3») de los modelos completos («Modelo 1») para predecir los tiempos de decisión léxica del English Lexicon Project (ELP) (LD), los tiempos de decisión léxica del British Lexicon Project (BLP) y los tiempos de denominación del ELP Modelo | AIC escalado | AIC | N ELP LD 1 | −3.36281ᵃ | −3557.85 | 1058 2 | −3.30375 | −4169.334 | 1262 3 | −3.34845 | −3700.038 | 1105 BLP LD 1 | −3.79552ᵃ | −2903.574 | 765 2 | −3.76618 | −3920.592 | 1041 3 | −3.76718 | −2987.37 | 793 Denominación ELP 1 | −3.58686ᵇ | −7396.108 | 2062 2 | −3.54304 | −8418.27 | 2376 3 | −3.58379 | −7389.784 | 2062 278 Acta Linguistica Lithuanica XC Exploring Scaled AIC within English Closed Compounds a. Predictores: (Constante), juicio de hiponimia, longitud del compuesto, frecuencia SUBTLEX–US, valencia de representación (cmp), concreción del contexto (c2) b. Predictores: (Constante), juicio de hiponimia, longitud del compuesto, frecuencia SUBTLEX–US, valencia del contexto (cmp), activación del contexto (c1), activación del contexto (c2), concreción del contexto (c2) TABLA 2. Pruebas de Wald para modelos anidados que omiten la hiponimia («Modelo 2») o la concreción del contexto para el segundo constituyente («Modelo 3») de los modelos completos («Modelo 1») para predecir los tiempos de decisión léxica del English Lexicon Project (ELP) (LD), los tiempos de decisión léxica del British Lexicon Project (BLP) y los tiempos de denominación del ELP Modelo | R2 cuadrado | Cambio de F | df1 | df2 | p ELP LD 1 |.184a | 47.506 | 5 | 1052 |.000 2 | −.004 | 4.562 | 1 | 1052 |.033 3 | −.010 | 13.175 | 1 | 1052 |.000 BLP LD 1 |.211a | 40.479 | 5 | 759 |.000 2 | −.013 | 12.091 | 1 | 759 |.001 3 | −.015 | 14.007 | 1 | 759 |.000 Denominación ELP 1 |.288b | 118.711 | 7 | 2054 |.000 2 | −.003 | 8.286 | 1 | 2054 |.004 3 | −.003 | 8.309 | 1 | 2054 |.004 a. Predictores: (Constante), juicio de hiponimia, longitud del compuesto, frecuencia SUBTLEX–US, valencia de representación (cmp), concreción del contexto (c2) b. Predictores: (Constante), juicio de hiponimia, longitud del compuesto, frecuencia SUBTLEX–US, valencia del contexto (cmp), activación del contexto (c1), activación del contexto (c2), concreción del contexto (c2) En conclusión, dos medidas diferentes del tamaño del efecto, a saber, el AIC escalado y R2, jerarquizaron los mismos modelos de regresión de manera idéntica, demostrando al mismo tiempo la misma preferencia por el mejor modelo. Por tanto, existen sólidas pruebas de que la medida del AIC escalado es una herramienta cualitativa para evaluar el ajuste del modelo. Straipsniai / Articles 279 CHARITON CHARITONIDIS 4. EL PRESENTE ESTUDIO El presente estudio se basa en las investigaciones anteriores del autor presentadas en la sección 3. Los objetos de investigación son 66 modelos de decisión léxica y denominación para los compuestos cerrados (concatenados) del inglés elaborados por Gagné et al. (2019). Todos los modelos incluyen la frecuencia SUBTLEX-US como variable de control. Nuestros objetivos son dobles y se desarrollan en paralelo. En primer lugar, evaluamos las características de los modelos de Gagné et al. (ibid.). En segundo lugar, exploramos propiedades esenciales de la medida del AIC escalado. Las preguntas de investigación son: 1. ¿Es sensible el AIC escalado al diseño del modelo en Gagné et al. (2019)? ¿Qué grupos de modelos se favorecen? 2. ¿Cuál es el impacto de las variables de control «frecuencia del compuesto» y «longitud del compuesto» sobre el AIC escalado? 3. ¿Cómo se relaciona la transparencia morfológica con el AIC escalado? Nuestro estudio se estructura de la siguiente manera: la sección 5 ofrece una visión general de nuestros métodos. La sección 6.1 proporciona estadísticas descriptivas del AIC escalado relativas a los modelos considerados. Se hace hincapié en las características paramétricas frente a las no paramétricas de las categorías de modelos. La sección 6.2 explora la relación entre la fuente de los tiempos de respuesta y las tareas de procesamiento léxico. La sección 6.3 contrapone el AIC escalado a las variables de control «frecuencia del compuesto» y «longitud del compuesto». En la sección 6.4, los niveles de significación de los coeficientes de transparencia de los modelos de Gagné et al. (2019) se relacionan con los valores del AIC escalado. Las conclusiones principales se resumen en la sección 7, seguidas de un análisis de los resultados en la sección 8. 5. MÉTODOS Nuestro método general fue el análisis comparativo de los principales parámetros y características de los modelos de Gagné et al. (2019), utilizando el AIC escalado como variable dependiente. Las variables independientes incluían características de la muestra (p. ej., la fuente de los tiempos de respuesta y las tareas de procesamiento léxico), el diseño del estudio (p. ej., las variables de control) y el nivel de significación de los coeficientes de transparencia, entre otros factores. Los métodos estadísticos específicos empleados fueron los siguientes: (a) estadísticas descriptivas relativas a medias y medianas, junto con la aplicación de la prueba de Shapiro–Wilk para evaluar la tendencia central, la variabilidad y la distribución del AIC escalado en distintas categorías y grupos de modelos (secciones 6.1 y 6.2); (b) análisis de efectos principales realizados para la fuente de los tiempos de respuesta (ELP/BLP) y las tareas de procesamiento léxico (decisión léxica/denominación) (sección 280 Acta Linguistica Lithuanica XC Exploring Scaled AIC within English Closed Compounds 6.2); (c) ANOVA distintos realizados sobre la fuente de los tiempos de respuesta y las tareas de procesamiento léxico, incorporando la longitud del compuesto como covariable (sección 6.3); y (d) utilización de las pruebas de Kruskal–Wallis y Jonckheere–Terpstra para explorar las diferencias entre los rangos de los coeficientes recodificados ordinalmente para la transparencia semántica (sección 6.4). Para más información sobre los métodos, se remite al lector a los análisis de las secciones 6.1–6.4. 6. ANÁLISIS 6.1. AIC escalado frente a categorías de modelos Los 66 valores del AIC de los modelos de regresión múltiple de Gagné et al. (2019), con la frecuencia SUBTLEX–US como variable de control, se dividieron por el tamaño de la muestra de cada modelo para obtener un conjunto de 66 valores de AIC escalado. La Tabla 3 siguiente proporciona las estadísticas descriptivas del AIC escalado y la Figura 2 muestra el diagrama de caja correspondiente relativo al conjunto ordenado de valores.10 No hubo valores atípicos en la muestra. Los valores de asimetría (Sk) y curtosis (Ku) fueron tolerables.11 El valor medio del AIC escalado fue −3.50030. La desviación estándar fue 0.19052, es decir, las observaciones se agruparon relativamente cerca de la media. Los valores mínimo y máximo fueron −3.85502 y −3.15754, respectivamente. La mediana fue −3.55732, es decir, ligeramente inferior a la media.12 El 50% central de los datos se situó entre −3.66575 (primer cuartil, Q1) y −3.30959 (tercer cuartil, Q3). En consecuencia, el rango intercuartílico (IQR) fue 0.35616. 10 La línea inferior o de primer cuartil de la caja (Q1) marca el límite por debajo del cual se extiende el 25% inferior de los datos. Del mismo modo, la línea superior o de tercer cuartil de la caja (Q3) marca el límite por encima del cual se extiende el 25% superior de los datos. El área sombreada muestra los límites del 50% central de los datos o rango intercuartílico (IQR), que puede calcularse restando el primer cuartil del tercer cuartil (Q3−Q1). La línea horizontal dentro de la caja muestra la mediana o cuartil central (Q2), es decir, el valor que se encuentra en el centro del conjunto de datos. 11 En el entorno SPSS, los valores entre −1 y +1 para la asimetría y entre −2 y +2 para la curtosis se consideran generalmente aceptables para evaluar la distribución normal. No obstante, cabe señalar que la asimetría y la curtosis por sí solas no proporcionan una prueba concluyente de normalidad (véase también el análisis sobre https://www.researchgate.net/post/What_is_the_acceptable_range_of_skewness_and_kurtosis_for_normal_distribution_of_data). 12 En consonancia con este patrón, se observó una ligera asimetría positiva en los datos (0.494). Straipsniai / Articles 281 CHARITON CHARITONIDIS TABLA 3. Estadísticas descriptivas del AIC escalado (conjunto completo) Media SD Mín. Máx. −3.50030 0.19052 −3.85502 −3.15754 Mediana IQR Q1 Q3 −3.55732 0.35616 −3.66575 −3.30959 N=66. Sk=0.494, Ku=−1.101 FIGURA 2. Distribución del AIC escalado (conjunto completo): diagrama de caja Se esperaba que el conjunto completo de valores del AIC escalado no mostrara una distribución normal porque abarcaba distintas tareas (decisión léxica, denominación) y se derivaba de diferentes fuentes de tiempos de respuesta (ELP, BLP). La prueba de Shapiro–Wilk y la prueba de Kolmogorov–Smirnov confirmaron nuestras suposiciones.13 En particular, los estadísticos de la prueba de Shapiro–Wilk fueron W (66) = 0.90, p <.001, y los estadísticos de la prueba de Kolmogorov–Smirnov fueron D (66) = 0.17, p <.001. Cabe señalar que el mismo conjunto completo no mostró una distribución normal, ni siquiera después de aplicar las transformaciones de logaritmo natural y raíz cuadrada a los valores absolutos. La Tabla 4 siguiente proporciona las estadísticas descriptivas del AIC escalado con referencia a las principales categorías de modelos de Gagné et al. (2019), es decir, decisión léxica del ELP, decisión léxica del BLP y denominación del ELP (cada grupo contiene 22 modelos). La Figura 3 muestra los diagramas de caja correspondientes. Como puede observarse, las medias y medianas 13 La prueba de Kolmogorov–Smirnov aplicó la corrección de significación de Lilliefors. 282 Acta Linguistica Lithuanica XC Exploring Scaled AIC within English Closed Compounds para la decisión léxica del BLP y la denominación del ELP se referían a valores similares del AIC escalado. La decisión léxica del ELP se refería a valores más altos (=inferiores) que, además, eran disjuntos de los valores de decisión léxica del BLP.14 En resumen, la decisión léxica del BLP y la denominación del ELP siempre exigieron mejores modelos que la decisión léxica del ELP. TABLA 4. Estadísticas descriptivas del AIC escalado por las principales categorías de modelos Se esperaba que el perfil no paramétrico del conjunto completo de valores del AIC escalado tuviera menos probabilidades de aparecer dentro de las principales categorías de modelos, es decir, las principales combinaciones de tiempos de respuesta y tareas. Como se verá, esta expectativa se confirmó. La prueba de Shapiro-Wilk mostró que los datos de decisión léxica del ELP se desviaban significativamente de la normalidad. En particular, calculamos un estadístico de prueba de W (22) = 0.90, p <.05.15 Los datos de decisión léxica del BLP presentaban una distribución normal. Los estadísticos correspondientes fueron W (22) = 0.92, p >.05 (Shapiro-Wilk). 14 Una prueba t aplicada a los datos resumidos de la decisión léxica del ELP y la decisión léxica del BLP (Tabla 4) indicó una diferencia altamente significativa entre las medias muestrales, t = 18.296, p <.0001. 15 Cabe señalar que un conjunto de seis modelos de decisión léxica del ELP hacía referencia a valores de Scaled AIC cercanos al valor máximo de −3.15754, lo que indica el peor ajuste de todo el conjunto de datos. Estos modelos contribuyeron a un pico destacado hacia el extremo superior de la distribución (que iba de −3.17304 a −3.15754), dando lugar a un patrón de distribución casi bimodal. Esta observación está respaldada por un valor de curtosis negativa relativamente alto, de −1.444. Straipsniai / Articles 283 CHARITON CHARITONIDIS FIGURA 3. Representaciones mediante diagramas de caja de Scaled AIC por las principales categorías de modelos De manera similar, los datos de denominación del ELP presentaban una distribución normal. Las estadísticas correspondientes fueron W (22) = 0.93, p >.05 (Shapiro–Wilk). En resumen, tanto el conjunto completo de modelos como los modelos de decisión léxica del ELP estaban asociados con una distribución no paramétrica de Scaled AIC. Por otro lado, los datos de decisión léxica del BLP y de denominación del ELP presentaban una distribución normal. Intentemos ahora descubrir la influencia de los factores individuales sobre Scaled AIC. 6.2. Scaled AIC frente a la fuente de los tiempos de respuesta y las tareas La Tabla 5 siguiente contiene las estadísticas descriptivas de los valores de Scaled AIC para los grupos categorizados según los factores principales «tiempos de respuesta» y «tareas», es decir, (a) tiempos de respuesta del ELP, (b) tiempos de respuesta del BLP, (c) tarea de denominación y (d) tarea de decisión léxica. Los tiempos de respuesta del ELP y la tarea de decisión léxica 284 Acta Linguistica Lithuanica XC Exploring Scaled AIC within English Closed Compounds son grupos generales que se refieren, respectivamente, a «decisión léxica y denominación» y «ELP y BLP». Los grupos «BLP» y «Denominación» son idénticos a las categorías de modelos «decisión léxica del BLP» y «denominación del ELP», respectivamente, ya presentadas en la Tabla 4 (sección 6.1). La Figura 4 muestra las representaciones correspondientes mediante diagramas de caja. Como puede observarse en la Tabla 5, tanto «BLP» como «Denominación» presentaban (a) valores principales y medianos más bajos (=mejores) de Scaled AIC, y (b) valores menores de desviación estándar (SD) y rango intercuartílico (IQR), en contraste con los grupos generales «tiempos de respuesta del ELP» y «decisión léxica».16 Los mismos grupos generales presentan valores de curtosis relativamente altos, es decir, −1.403 y −1.616, respectivamente (en los histogramas de estos grupos —no incluidos aquí— aparecieron dos picos claros, similares a los de una distribución bimodal de valores). Estos patrones sugieren que la medida Scaled AIC estaba asociada de manera única con las categorías experimentales bien definidas decisión léxica del BLP (véase el grupo «BLP») y denominación del ELP (véase el grupo «Denominación»). TABLA 5. Estadísticas descriptivas de Scaled AIC para los grupos categorizados bajo «tiempos de respuesta» y «tareas» Tiempos de respuesta Tareas ELP BLP Denominación Decisión léxica Media −3.43917 −3.62255 −3.62495 −3.43797 SD 0.20286 0.06778 0.08710 0.19808 Mín. −3.85502 −3.75547 −3.85502 −3.75547 Máx. −3.15754 −3.52945 −3.50150 −3.15754 Mediana −3.42626 −3.62174 −3.61886 −3.44024 IQR 0.35152 0.13704 0.13758 0.36196 Q1 −3.62127 −3.68840 −3.69419 −3.63171 Q3 −3.26975 −3.55136 −3.55662 −3.26975 Sk −0.126 −0.097 −0.559 −0.006 Ku −1.403 −1.244 0.725 −1.616 44 22 22 44 16 Las medias y medianas más bajas, junto con valores menores de desviación estándar y rango intercuartílico, indican una mayor fiabilidad y una menor susceptibilidad a valores atípicos o extremos. Straipsniai / Articles 285 CHARITON CHARITONIDIS FIGURA 4. Representaciones mediante diagramas de caja de Scaled AIC para los grupos categorizados bajo «tiempos de respuesta» y «tareas» Al igual que con el conjunto completo de valores de Scaled AIC analizado en la sección 6.1, se esperaba que apareciera un perfil no paramétrico para los grupos generales «ELP» y «decisión léxica», no limitados por experimentos específicos. Las pruebas de normalidad confirmaron nuestras expectativas. Con referencia a la prueba de Shapiro–Wilk, los datos de Scaled AIC del grupo ELP se desviaban significativamente de la normalidad. Calculamos un estadístico de prueba de W (44) = 0.91, p <.01. De manera similar, los datos de Scaled AIC del grupo de decisión léxica se desviaban significativamente de la normalidad. Calculamos un estadístico de prueba de W (44) = 0.89, p <.001. Procedamos ahora al análisis de efectos principales. El objetivo principal era determinar si los grupos de decisión léxica del BLP y de denominación del ELP seguían prediciendo mejores modelos al controlar los efectos de cualquiera de los dos grupos. En las pruebas estadísticas que siguen, los grupos categorizados bajo los factores principales «tiempos de respuesta» y «tareas» recibieron valores nominales. La media de Scaled AIC del grupo BLP, es decir, −3.623, se utilizó como celda de referencia o intercepto. Los resultados mostraron que tanto los tiempos de respuesta como las tareas tenían un efecto principal sobre Scaled AIC, pero no había interacción. En particular, hubo un efecto principal significativo de los tiempos de respuesta, F (1, 63) = 271.87, p <.001. En términos de regresión, el coeficiente para ELP predijo un valor más alto, es decir, inferior, de Scaled AIC, b = 0.37, SE = 0.02, t = 16.49, p <.001. Además, hubo un efecto principal significativo de las tareas, F (1, 63) = 275.42, p <.001. En términos de regresión, el coeficiente para denominación predijo un valor más bajo, es decir, mejor, de Scaled AIC, b = −0.37, SE = 0.02, t = −16.60, p <.001. La Figura 5 ofrece una visión general de los efectos principales mediante un gráfico de puntos y líneas. La celda de referencia o intercepto se refiere tanto al valor más bajo de denominación del ELP como al valor más alto de decisión léxica del BLP, es decir, −3.623. Las líneas están apiladas 286 Acta Linguistica Lithuanica XC Exploring Scaled AIC within English Closed Compounds verticalmente porque los rangos de valores de Scaled AIC para la decisión léxica del ELP y la decisión léxica del BLP eran disjuntos (véase la Tabla 4). Además, las líneas son paralelas porque la ausencia de un grupo «denominación del BLP» dentro de las tareas eliminó cualquier efecto de interacción. En resumen, los tiempos de respuesta del BLP y la tarea de denominación predijeron sistemáticamente mejores valores de Scaled AIC, incluso después de controlar mutuamente los factores pertinentes. Estos hallazgos mejoran la precisión y la eficacia de los modelos correspondientes. FIGURA 5. Gráfico de efectos principales para Scaled AIC Cabe señalar que el análisis de efectos principales presentado en esta sección es más aplicable a la fuente de los tiempos de respuesta que al rendimiento de la tarea porque, como ya se ha mencionado, la combinación «denominación del BLP» no estaba disponible. Este hecho puede limitar la generalización de los resultados más allá de las muestras específicas. 6.3. Scaled AIC frente a las variables de control En esta sección, el énfasis se pondrá en las variables de control longitud del compuesto (en caracteres) y frecuencia SUBTLEX-US, es decir, la frecuencia logarítmica del compuesto derivada del corpus SUBTLEX-US (Brysbaert, New 2009). Ambas variables se utilizaron ampliamente en los modelos de regresión de Gagné et al. (2019). Straipsniai / Articles 287 CHARITON CHARITONIDIS Para detectar la influencia de la longitud del compuesto y de la frecuencia del compuesto sobre Scaled AIC, los coeficientes de regresión correspondientes se recodificaron en valores ordinales según su positividad y nivel de significación; véase la Tabla 6. Los niveles de significación se mapearon en escalas ordinal porque representaban puntos de corte convencionales basados en los valores exactos de significación. TABLA 6. Tabla de recodificación ordinal para los coeficientes de regresión Significación Positividad Valores ordinales Descripción p <.001 negativa −3 efecto negativo grande p <.01 negativa −2 efecto negativo moderado p <.05 negativa −1 efecto negativo pequeño p >.05 negativa/positiva 0 efecto no significativo p <.05 positiva 1 efecto positivo pequeño p <.01 positiva 2 efecto positivo moderado p <.001 positiva 3 efecto positivo grande En los modelos de Gagné et al. (2019), frecuencia SUBTLEX-US siempre estaba asociada con coeficientes negativos (=reductores de la latencia) con un efecto grande, p <.001. Por consiguiente, todos los coeficientes se recodificaron como −3, un valor perfectamente colineal con la variable de resultado, Scaled AIC. Por esta razón, la frecuencia SUBTLEX-US se excluyó del análisis actual. En cuanto a la longitud del compuesto, todos los coeficientes de regresión significativos de los modelos de Gagné et al. (2019) tenían un efecto positivo grande (=inductor de latencia), p <.001. A diferencia de la variable SUBTLEX-US, aparecieron varios coeficientes no significativos. Dados estos patrones, se creó una variable categórica con los valores «1» para efecto positivo (=interferencia de la longitud del compuesto) y «0» para ausencia de efecto (=ausencia de interferencia de la longitud del compuesto). La muestra resultante contenía 39 valores de Scaled AIC. La prueba de correlación de Pearson entre la longitud del compuesto y Scaled AIC produjo un coeficiente de correlación altamente significativo de 0.51, p =.001, lo que indica una correlación de moderada a fuerte entre las dos variables. La longitud del compuesto se incluyó como única variable independiente en un modelo de regresión lineal. Se constató que la media predicha de Scaled AIC para la ausencia de interferencia de la longitud del compuesto era 3.611 (=el intercepto). La interferencia de la longitud del compuesto dio lugar a un valor más alto (=inferior) de −3.407 (b = 0.204, p =.001). La Figura 6 siguiente ilustra estos patrones. En pocas palabras, Scaled AIC empeora cuando la longitud del compuesto adquiere relevancia dentro de los modelos. 288 Acta Linguistica Lithuanica XC Exploring Scaled AIC within English Closed Compounds FIGURA 6. Longitud del compuesto y Scaled AIC Realizamos ANOVA separadas para la fuente de los tiempos de respuesta (ELP/BLP) y el rendimiento de la tarea (decisión léxica/denominación), teniendo en cuenta la longitud del compuesto como covariable. El objetivo principal era identificar las disparidades entre medias que previamente se habían ajustado para acomodar los efectos de control de la longitud del compuesto. (a) ANOVA para la fuente de los tiempos de respuesta. Al BLP se le asignó el valor «0» y al ELP el valor «1». La prueba de correlación de Pearson reveló una fuerte colinealidad entre la fuente de los tiempos de respuesta y la longitud del compuesto, r = 1 (N = 39). Las siguientes evidencias respaldan nuestro hallazgo: primero, el grupo ELP mostró sistemáticamente correlaciones positivas significativas con la longitud del compuesto, lo que indica un efecto grande. Segundo, el grupo BLP presentó sistemáticamente correlaciones no significativas con la longitud del compuesto. En consecuencia, la media predicha de Scaled AIC para la fuente de los tiempos de respuesta era la misma con o sin la longitud del compuesto en el análisis (M = 3.407 en ambos casos). En resumen, la longitud del compuesto no tuvo un efecto significativo sobre Scaled AIC cuando se incluyó la fuente de los tiempos de respuesta. (b) ANOVA para el rendimiento de la tarea. A la denominación se le asignó el valor «0» y a la decisión léxica el valor «1». La prueba de correlación de Pearson reveló una correlación negativa entre la tarea y la longitud del compuesto, lo que indica un efecto moderado, r = −.5, p =.001 (N = 39). Este resultado sugiere que la longitud del compuesto es más relevante para la denominación que para la decisión léxica. 17 Cabe señalar que 11 de los 13 coeficientes del BLP eran negativos. Straipsniai / Articles 289 CHARITON CHARITONIDIS Al considerar la tarea como variable principal, la longitud del compuesto fue un predictor significativo de Scaled AIC, F (1, 145.030), p =.000. De manera similar, al considerar la longitud del compuesto como variable principal, la tarea fue un predictor significativo de Scaled AIC, F (1, 125.30), p =.000. La media predicha de Scaled AIC para la tarea por sí sola era significativamente diferente de la media predicha de Scaled AIC cuando se tenía en cuenta la longitud del compuesto (3.584 frente a 3.203, respectivamente). Del mismo modo, la media predicha de Scaled AIC para la longitud del compuesto por sí sola (3.584) era significativamente diferente de la media predicha de Scaled AIC cuando se tenía en cuenta la tarea (−3.23). En resumen, en términos de ajuste por covariables, tanto la tarea de decisión léxica como la longitud del compuesto predijeron modelos inferiores. 6.4. Scaled AIC frente a las normas de transparencia Esta sección investiga el efecto de los coeficientes de regresión correspondientes a la transparencia semántica en los modelos de Gagné et al. (2019) sobre Scaled AIC. Estos coeficientes de regresión se codificaron en tres escalas ordinales, cada una correspondiente a uno de los tres niveles morfológicos, es decir, compuesto, primer constituyente y segundo constituyente. La tabla de recodificación ordinal se encuentra en la Tabla 6. La Tabla 7 siguiente muestra las medianas y los rangos de los coeficientes de transparencia transformados ordinalmente para los tres niveles morfológicos. Las medianas proporcionan información útil sobre la tendencia central y la dispersión de los valores ordinales, y pueden ayudar a orientar los análisis basados en variables ordinales. TABLA 7. Coeficientes de transparencia transformados ordinalmente: medianas y rangos Mediana Mínimo Máximo Compuesto −3 −3 −1 Primer constituyente 2 −3 3 Segundo constituyente 0 −2 3 N = 18 Como puede observarse, la mediana para el compuesto era «−3», la mediana para el primer constituyente era «2» y la mediana para el segundo constituyente era «0». Estos hallazgos sugieren que, en los modelos de Gagné et al. (2019) con frecuencia SUBTLEX–US, la transparencia del compuesto estaba asociada con un efecto negativo grande (tiempos de respuesta más cortos), la transparencia del primer constituyente estaba asociada con un efecto positivo moderado (tiempos de respuesta más largos), y la transparencia del segundo constituyente no tenía un efecto significativo o tenía 290 Acta Linguistica Lithuanica XC Exploring Scaled AIC within English Closed Compounds un papel incierto. Las puntuaciones más altas de transparencia del segundo constituyente, comunicadas por Gagné et al. (ibid.), sugieren un sesgo inherente a su favor, lo que hace que la transparencia global del compuesto dependa de la transparencia del primer constituyente. En este contexto, la mediana positiva, inductora de latencia, del primer constituyente indica su papel mediador, quizá de establecimiento de referencia, en esta relación (véase también la sección 1). Aún debe demostrarse cuáles son las funciones semánticas que representan suficientemente, en términos de procesamiento, el sesgo inherente del segundo constituyente.18 La pregunta de investigación que se abordará ahora es si la positividad y el nivel de significación de los coeficientes de transparencia influyen en Scaled AIC. Nuestro método tiene como objetivo principal detectar efectos de sobreajuste. Como sostienen Daniel J. Navarro & Jay I. Myung (2005), «un modelo complejo con muchos parámetros y una forma altamente no lineal puede a menudo ajustar los datos mejor que un modelo simple con pocos parámetros, incluso si este último generó los datos» (Navarro, Myung 2005: 1240). Por consiguiente, un gran número de parámetros puede captar el ruido o las características particulares de los datos disponibles, pero puede obstaculizar la capacidad del modelo para generalizar a nuevos datos. AIC mitiga el problema del sobreajuste introduciendo una penalización por la inclusión de numerosos parámetros en un modelo; véase la parte «+2k» de la ecuación de AIC en la sección 2. En cuanto al análisis que sigue, se postula que los modelos que presentan valores más altos (=inferiores) de Scaled AIC pueden poseer coeficientes significativos, derivados sistemáticamente, es decir, coeficientes relevantes según el conjunto de datos LADEC por sí solo. En este contexto, nuestra conjetura sugiere que podría emerger una tendencia contrastante en la relación entre transparencia y Scaled AIC, en comparación con la indicación proporcionada por las medianas de la Tabla 7. En particular, los valores más bajos (=mejores) de Scaled AIC pueden estar asociados con (a) coeficientes positivos (tiempos de respuesta más largos) relativos al compuesto completo, (b) coeficientes negativos (tiempos de respuesta más cortos) relativos al primer constituyente, y (c) coeficientes positivos o negativos (tiempos de respuesta más largos o más cortos, respectivamente) relativos al segundo constituyente. Cabe señalar que, respecto al segundo constituyente, la mediana de la Tabla 7 sugiere ausencia de efecto. Para responder a la pregunta de investigación, se emplearán dos medidas no paramétricas, a saber, la prueba de Kruskal–Wallis y la prueba de Jonckheere–Terpstra. La prueba de Kruskal–Wallis, también conocida como «prueba H», es una prueba no paramétrica basada en 18 En Charitonidis (2024) se sostiene que tanto la hiponimia como la concreción contextual del segundo constituyente son predictores semánticos significativos en la decisión léxica y la denominación. El análisis presentado allí muestra que la inclusión de ambos predictores produce una mejora en Scaled AIC y R2 en comparación con los modelos que omiten cualquiera de estas variables. Straipsniai / Articles 291 CHARITON CHARITONIDIS la distribución chi-cuadrado. Requiere que la variable dependiente sea ordinal o continua. Esta prueba está diseñada para determinar si existen diferencias significativas entre las medianas de dos o más grupos y se utiliza como alternativa al ANOVA de un factor. En cuanto al procedimiento, los valores de la variable dependiente continua, es decir, Scaled AIC, se ordenaron de menor a mayor y se asignaron rangos a las puntuaciones. Los rangos resultantes se reintegraron en los grupos del nivel de significación (la variable independiente) y se sumaron los rangos de cada grupo. La fórmula para calcular «H» implicaba, entre otras operaciones, elevar al cuadrado la suma de los rangos de cada grupo y dividir después este valor por el tamaño de la muestra. Las Tablas 8–10 contienen los datos de entrada considerados y la suma de rangos de cada grupo. 19 20 suma de rangos de cada grupo. TABLA 8. Compuesto Niveles de significación | N | Suma de rangos de Scaled AIC | 1 – efecto negativo pequeño | 1 | 2 | 2 – efecto negativo moderado | 5 | 46 | 3 – efecto negativo grande | 12 | 123 | Total | 18 | TABLA 9. Primer constituyente Niveles de significación | N | Suma de rangos de Scaled AIC | 1 – efecto positivo grande | 6 | 59 | 2 – efecto positivo moderado | 4 | 34 | 3 – efecto positivo pequeño | 1 | 3 | 4 – sin efecto | 1 | 2 | 5 – efecto negativo pequeño | 1 | 10 | 6 – efecto negativo moderado | 1 | 11 | 7 – efecto negativo grande | 4 | 52 | Total | 18 | 19 Para el resto de los cálculos, véase Field (2009: 561–562). 20 En las tres tablas, la suma total de rangos es aproximadamente 171. Es igual a la suma de los enteros del 1 al 18; véase el tamaño de la muestra (N). 292 Acta Linguistica Lithuanica XC Exploring Scaled AIC within English Closed Compounds TABLA 10. Segundo constituyente Scaled AIC | Niveles de significación | N | Suma de rangos de Scaled AIC | 1 – efecto positivo grande | 6 | 59 Scaled AIC | 2 – efecto positivo pequeño | 1 | 14 Scaled AIC | 3 – sin efecto | 8 | 59 Scaled AIC | 4 – efecto negativo pequeño | 1 | 18 Scaled AIC | 5 – efecto negativo moderado | 2 | 21 | Total | 18 | Antes de profundizar en los resultados de la prueba de Kruskal-Wallis (H), es importante señalar que esta prueba no proporciona información sobre las diferencias específicas entre grupos individuales. Para abordar esta cuestión, también se empleó la prueba de Jonckheere-Terpstra (JT). Esta prueba proporcionó información sobre si las medianas de los grupos aumentaban o disminuían en el orden especificado por la variable de codificación (=agrupación), concretamente desde un efecto positivo grande hasta un efecto negativo grande. En cuanto a los métodos, el estadístico JT se convirtió en una puntuación z. Un valor z positivo indicaba una tendencia de medianas ascendentes, es decir, que las medianas aumentaban (=Scaled AIC más alto/inferior) a medida que aumentaban los valores de la variable de codificación. Un valor z negativo indicaba una tendencia de medianas descendentes, es decir, que las medianas disminuían (=Scaled AIC más bajo/mejor) a medida que aumentaban los valores de la variable de codificación. A continuación, se presentan conjuntamente los resultados de las pruebas de Kruskal-Wallis (H) y Jonckheere-Terpstra (JT). (a) Scaled AIC para el compuesto no se vio afectado significativamente por el nivel de significación, según determinó la prueba de Kruskal-Wallis (H (2) = 2.226, p >.05). Se observó una tendencia de medianas ascendentes que confirmó nuestra hipótesis de sobreajuste; véase la mediana negativa para el compuesto en la Tabla 7. Sin embargo, esta tendencia no fue estadísticamente significativa según la prueba de Jonckheere-Terpstra (JT = 50, z = 1.064, p >.05). (b) Scaled AIC para el primer constituyente no se vio afectado significativamente por el nivel de significación, según determinó la prueba de Kruskal-Wallis (H (6) = 5.427, p >.05). Se observó una tendencia de medianas ascendentes que rechazaba nuestra hipótesis de sobreajuste; véase la mediana positiva para el primer constituyente en la Tabla 7. Sin embargo, esta tendencia no fue estadísticamente significativa según la prueba de Jonckheere-Terpstra (JT = 70, z = 0.549, p >.05). (c) Scaled AIC para el segundo constituyente no se vio afectado significativamente por el nivel de significación, según determinó la prueba de Kruskal-Wallis (H (4) = 4.607, p >.05). No se observó una tendencia de medianas ascendentes o descendentes, lo que rechazaba Straipsniai / Articles 293 CHARITON CHARITONIDIS nuestra hipótesis de sobreajuste. En particular, el estadístico z de la prueba de Jonckheere–Terpstra era esencialmente cero, de acuerdo con la mediana cero para el segundo constituyente en la Tabla 7 (JT = 54, z = 0.041, p >.05). En resumen, puede inferirse que el nivel de significación de los coeficientes de transparencia en los modelos de Gagné et al. (2019) con frecuencia SUBTLEX-US no afecta a la magnitud de Scaled AIC. Este hallazgo respalda indirectamente la calidad de los modelos de Gagné et al. (2019) con predictores de transparencia, indicando específicamente que la hipótesis de sobreajuste para estos modelos no es sostenible. Una limitación del presente estudio es el pequeño tamaño de la muestra utilizada, con N = 18. Para confirmar nuestros hallazgos, se necesita más investigación que utilice un rango más amplio de valores de Scaled AIC. Para garantizar la claridad y la exhaustividad en la presentación de los resultados de nuestra investigación, hemos incorporado una sección específica dedicada a resumir los principales hallazgos de nuestro estudio. Para esta visión general exhaustiva, continúe con la Sección 7. 7. HALLAZGOS PRINCIPALES La Tabla 11 siguiente presenta un análisis exhaustivo del rendimiento de los modelos y de las variables pertinentes en el contexto de las tareas de decisión léxica y denominación, basado en los hallazgos de Gagné et al. (2019). Cada sección de la tabla profundiza en temas específicos y revela qué modelos son más eficaces. Las pruebas ANOVA y Kruskal–Wallis/Jonckheere–Terpstra (secciones 6.3 y 6.4) se aplicaron después de asignar valores nominales (ordinales o categóricos) a los coeficientes de regresión de los modelos de Gagné et al. (2019). Para obtener detalles sobre las pruebas especiales aplicadas, consulte las secciones correspondientes. TABLA 11. Scaled AIC en compuestos cerrados del inglés: análisis exhaustivo del rendimiento de los modelos en tareas de decisión léxica y denominación (Gagné et al. 2019) 294 Acta Linguistica Lithuanica XC Exploring Scaled AIC within English Closed Compounds Temas | Estadísticas | Evaluación | Sección Variables de control | ANOVA | Frecuencia del compuesto ✓; Longitud del compuesto ~ | 6.3 Transparencia semántica | Kruskal–Wallis Jonckheere–Terpstra | Primer constituyente NOF/ns; Segundo constituyente NOF/ns; Compuesto NOF/ns | 6.4 PAR: datos paramétricos | NPAR: datos no paramétricos | ✓: mejores modelos (AIC más bajo) ~: modelos inferiores (AIC más alto) | NOF/ns: sin sobreajuste/prueba no significativa 8. DISCUSIÓN Investigaciones anteriores de Charitonidis (2022, 2024) han demostrado que Scaled AIC es una medida fiable de bondad de ajuste que puede emplearse en la selección de modelos, quizá en combinación con otras medidas, como la prueba de Wald (véase la sección 3). Con referencia a los modelos de regresión múltiple de Gagné et al. (2019) con frecuencia SUBTLEX-US, el presente análisis introdujo propiedades adicionales de la medida Scaled AIC. Aunque se han planteado preocupaciones válidas respecto a la comparación de modelos ajustados con tamaños de muestra diferentes mediante criterios de información (véase la sección 2), los hallazgos de este estudio sugieren que, en determinados contextos, Scaled AIC puede ser efectivamente una herramienta valiosa para evaluar el ajuste de los modelos y jerarquizar modelos de regresión. Nuestra investigación ha demostrado que Scaled AIC responde al diseño experimental, a las fuentes de los tiempos de respuesta y a las tareas específicas. Sin embargo, es esencial reconocer que la aplicabilidad de Scaled AIC puede depender del contexto, y su utilidad debería evaluarse caso por caso. Antes de proceder a los hallazgos principales de este artículo, es importante abordar las preguntas de investigación planteadas en la sección 4. 1. Las distribuciones de los valores de Scaled AIC, junto con las combinaciones de distintas fuentes de tiempos de respuesta y tareas de procesamiento, sugieren que Scaled AIC identifica eficazmente la presencia o ausencia de factores subyacentes bien definidos en el diseño experimental y la modelización estadística. En este contexto, la decisión léxica del BLP y la denominación del ELP mostraron un mayor poder predictivo para Scaled AIC incluso en condiciones controladas. 2. La frecuencia del compuesto fue invariablemente un predictor negativo de Scaled AIC, indicando siempre un efecto grande. La decisión léxica del ELP mostró sistemáticamente Straipsniai / Articles 295 CHARITON CHARITONIDIS correlaciones positivas significativas con la longitud del compuesto, prediciendo valores más altos (=inferiores) de Scaled AIC. La decisión léxica del BLP mostró sistemáticamente correlaciones no significativas con la longitud del compuesto. Tanto la decisión léxica como la longitud del compuesto predijeron modelos inferiores en el ajuste de covariables. La positividad y el nivel de significación de los coeficientes de transparencia en los modelos de Gagné et al. (2019) no afectaron a la magnitud de Scaled AIC. Este hallazgo implica que los modelos de Gagné et al. (2019) con predictores de transparencia no introducen sesgo por sobreajuste. Al hacer referencia a secciones específicas de los análisis, los principales hallazgos de este estudio pueden resumirse de la siguiente manera: En la Sección 6.1, nuestro análisis se centró en la comparación entre los valores de Scaled AIC de diversas categorías de modelos. Incluso después de intentar aplicar las transformaciones «logaritmo natural» y «raíz cuadrada» a los valores absolutos, la muestra global de Scaled AIC no se ajustó a una distribución normal. Del mismo modo, los modelos de decisión léxica del ELP mostraron una distribución no paramétrica de sus valores de Scaled AIC. Por el contrario, los datos relacionados con la decisión léxica del BLP y la denominación del ELP siguieron un patrón de distribución normal. En la Sección 6.2, nuestro enfoque pasó a examinar la relación entre Scaled AIC y (a) las fuentes de tiempos de respuesta y (b) el rendimiento en la tarea. Curiosamente, los rangos de valores de Scaled AIC de los modelos de decisión léxica del ELP y del BLP no se solaparon, lo que demuestra su carácter distintivo. Los resultados de las pruebas revelaron efectos principales significativos tanto de la fuente del tiempo de respuesta como del rendimiento en la tarea sobre Scaled AIC. Cabe destacar que la capacidad predictiva de Scaled AIC fue mejor para los modelos asociados con los tiempos de decisión léxica del BLP y con la tarea de denominación. Estos hallazgos contribuyen significativamente a la precisión y eficacia de los modelos respectivos. En la Sección 6.3, nuestra exploración profundizó en la relación entre Scaled AIC y las variables de control «frecuencia del compuesto» y «longitud del compuesto». La frecuencia del compuesto se excluyó del análisis porque era perfectamente colineal con Scaled AIC. Por otro lado, se observó una disminución de los valores de Scaled AIC cuando la longitud del compuesto se convirtió en un factor relevante dentro de los modelos. Paralelamente, la longitud del compuesto fue más relevante para la tarea de denominación. En términos de ajuste de covariables, tanto la tarea de decisión léxica como la longitud del compuesto predijeron modelos inferiores. En la Sección 6.4, nuestro enfoque se centró en la relación entre Scaled AIC y la transparencia semántica. La pregunta de investigación era si la positividad y el nivel de significación de los coeficientes de transparencia en los modelos de Gagné et al. (2019) tenían un impacto en Scaled AIC. El objetivo principal de nuestro método era detectar posibles efectos de sobreajuste. Postulamos que los modelos con valores inferiores de Scaled AIC podrían poseer coeficientes significativos que fueran relevantes 296 Acta Linguistica Lithuanica XC Exploring Scaled AIC within English Closed Compounds únicamente según el conjunto de datos LADEC. Aunque observamos una tendencia hacia valores crecientes (=inferiores) de Scaled AIC para un grupo de coeficientes negativos significativos a nivel del compuesto —en consonancia con nuestra hipótesis de sobreajuste—, la prueba de Jonckheere–Terpstra mostró que esta tendencia no alcanzó significación estadística. En conclusión, la exploración de distintos parámetros utilizando Scaled AIC como variable dependiente ha puesto de manifiesto las diversas formas en que las categorías de modelos, la fuente del tiempo de respuesta, las tareas de procesamiento, las variables de control y la transparencia semántica afectan a la bondad de ajuste de los modelos. Al reconocer las relaciones matizadas entre estos elementos, los investigadores están mejor preparados para tomar decisiones fundamentadas en la selección, el ajuste y la interpretación de modelos. REFERENCES Akaike Hirotugu 1973: Information Theory and an Extension of the Maximum Likelihood Principle. – Second International Symposium on Information Theory, eds. B. F. Csaki, B. N. Petrov, Budapest: Academiai Kiado, 267–281. Aldrich John R. 1997: R. A. Fisher and the Making of Maximum Likelihood 1912–1922. – Statistical Science 12(3), 162–176. Baayen Harald R., Piepenbrock Richard, Gulikers Leon 1995: The CELEX Lexical Database (Data set, Release 2, CD-ROM), Linguistic Data Consortium, University of Pennsylvania. Available at: https://catalog.ldc.upenn.edu. Balota David A., Yap Melvin J., Cortese Michael J., Hutchison Keith I., Kessler Brett, Loftis Bjorn, Neely James H., Nelson Douglas L., Simpson Greg B., Treiman Rebecca 2007: The English Lexicon Project. – Behavior Research Methods 39, 445–459. Brysbaert Marc, New Boris 2009: Moving Beyond Kučera and Francis: A Critical Evaluation of Current Word Frequency Norms and the Introduction of a New and Improved Word Frequency Measure for American English. – Behavior Research Methods 41, 977–990. DOI: doi.org/10.3758/BRM.41.4.977. Burnham Kenneth P., Anderson David R. 2002: Model Selection and Multimodal Inference: A Practical Information-Theoretic Approach, 2ⁿᵈ edition, New York: Springer. DOI: dx.doi.org/10.1007/b97636. Charitonidis Chariton 2022: Context Concreteness for the Second Constituent Slows Down Compound-Word Processing. – Lexis 20. DOI: doi.org/10.4000/lexis.6769. Straipsniai / Articles 297 CHARITON CHARITONIDIS Charitonidis Chariton 2024: The Role of Hyponymy and Context Concreteness in Compound Word Processing. – Studia Neophilologica. DOI: doi.org/10.1080/00393274.2024.2336851. Chen Xiaocong, Dong Yanping, Yu Xiufen 2018: On the Predictive Validity of Various Corpus-Based Frequency Norms in L2 English Lexical Processing. – Behavior Research Methods 50, 1–25. DOI: doi.org/10.3758/s13428-017-1001-8. Field Andy 2009: Discovering statistics using SPSS, 3rd edition, London: Sage Publications. Fisher Ronald A. 1922: On the Mathematical Foundations of Theoretical Statistics. – Philosophical Transactions of the Royal Society of London, Series A 222, 309–368. Gagné Christina L., Spalding Thomas L., Schmidtke Daniel 2019: LADEC: The Large Database of English Compounds. – Behavior Research Methods 51, 2152–2179. DOI: doi.org/10.3758/s13428-019-01282-6. Gagné Christina L., Spalding Thomas L., Spicer Patricia, Wong Dixie, Rubio Beatriz, Perez-Cruz Karen 2020: Is Buttercup a Kind of Cup? Hyponymy and Semantic Transparency in Compound Words. – Journal of Memory and Language 113. DOI: doi.org/10.1016/j.jml.2020.104110. Hastie Trevor, Tibshirani Robert, Friedman Jerome 2009: The Elements of Statistical Learning: Data Mining, Inference, and Prediction. 2nd edition, New York: Springer. Keuleers Emmanuel, Lacey Paula, Rastle Kathleen, Brysbaert Marc 2012: The British Lexicon Project: Lexical Decision Data for 28,730 Monosyllabic and Disyllabic English Words. – Behavior Research Methods 44, 287–304. DOI: doi.org/10.3758/s13428-011-0118-4. Kullback Solomon 1959: Information Theory and Statistics. New York: Wiley. Navarro Daniel J., Myung Jay I. 2005: Model Evaluation. – Encyclopedia of Statistics in Behavioral Science, vol. 3, eds. B. S. Everitt, D. C. Howell, Chichester: Wiley, 1239–1242. Steiger James H. 1980: Tests for Comparing Elements of a Correlation Matrix. – Psychological Bulletin 87(2), 245–251. DOI: doi.org/10.1037/0033-2909.87.2.245. Wagenmakers Eric-Jan, Farrell Simon 2004: AIC Model Selection Using Akaike Weights. – Psychonomic Bulletin & Review 11(1), 192–196. 298 Acta Linguistica Lithuanica XC Exploring Scaled AIC within English Closed Compounds I N T E R N E T D I S C U S S I O N S Model comparison with AIC based on different sample size. Available at: https://stats.stackexchange.com/questions/94718/model-comparison-with-aic-based-on-different-sample-size [accessed 15.5.2024]. What is the acceptable range of skewness and kurtosis for normal distribution of data? Available at: https://www.researchgate.net/post/What_is_the_acceptable_range_of_skewness_and_kurtosis_for_normal_distribution_of_data [accessed 15.5.2024]. L A R G E L A N G U A G E M O D E L S GPT-3.5 (available at: https://chat.openai.com/) and Google Gemini (available at: https://gemini.google.com [accessed 11.10.2023]) were selectively used as auxiliary proofreading and editing tools. The responses from both AI tools were further proofread and edited by the author. Anglų kalbos uždarųjų junginių (sudurtinių žodžių) skalės AIC tyrimas S A N T R A U K A Šiame tyrime nagrinėjamos modifikuotos Akaikės informacijos kriterijaus, pavadinto skalės kriterijumi, t. y. AIC, kaip tinkamumo rodiklio, padalinto iš imties dydžio, varianto ypatybės. Tyrimo objektas – 66 daugialypės regresijos modeliai, susiję su uždarųjų (sudurtinių) anglų kalbos žodžių junginių, paimtų iš Gagné'es ir kitų (2019) Anglų kalbos sudurtinių žodžių (junginių) didžiosios duomenų bazės (angl. LADEC), apdorojimu. Toliau pateikiami išsamios analizės rezultatai: 1. Modelių kategorijų modeliai pasižymi nevienareikšmiais rezultatais. Britų kalbos žodyno projekto (angl. BLP) leksinių sprendimų modeliai ir Anglų kalbos žodyno projekto (angl. ELP) įvardijimo modeliai veikia geriau (tai rodo mažesnis AIC), palyginus su Anglų kalbos žodyno projekto (angl. ELP) leksinių sprendimų modeliais. Straipsniai / Articles 299 CHARITON CHARITONIDIS 2. Laiko šaltinio ir leksikos apdorojimo užduočių atsakymais atskleidžia reikšmingus pagrindinius skalės AIC rezultatus. Britų kalbos žodyno projekto leksinių sprendimų modeliai ir Anglų kalbos žodyno projekto įvardijimo modeliai veikia gerai, o pastarojo projekto leksinių sprendimų modeliai yra mažiau veiksmingi. 3. Įvertinus kontrolinius kintamuosius, tokius kaip junginių dažnumas ir junginių ilgis, matyti, kad modelių rezultatyvumas skiriasi. Junginių dažnumas yra stiprus veiksnys (parodo didesnis produktyvumas), o sudėtinio ilgio modelių prognozės blogesnės. 4. Kalbant apie pirmosios ir antrosios žodžių junginių sudedamųjų dalių, taip pat ir apie junginių semantinį skaidrumą, modeliai nerodo per didelio suderinamumo. Tai parodo, kad semantinis skaidrumas nesumažina modelių galėjimo apibendrinti naujus duomenis. Įteikta 2024 m. sausio 11 d. CHARITON CHARITONIDIS [email protected] 300 Acta Linguistica Lithuanica XC