Exploring Scaled AIC within English closed compounds

Les a icles 273 e 273 de la loi CHARITONCHARITONIDIS Reche cheu indépendan Le numé o d'iden i ica ion ORCID es le sui an : o cid.o g/0000-0003-0298-2629 Ses domaines de eche che son la o ma ion des mo s, les exp essions à plusieu s mo s, la séman ique lexicale, la econnaissance des mo s, l'émo ion. DOI: doi.o g/10.35321/all90-11 (en anglais) L'AIC à l'échelle d'explo a ion En anglais e mé Les composés Langue anglaise des junglie s (sudu inius žodžių) skalės AIC y imas (l'examen du ni eau d'é udes de l'AIC) No a ion à l'appui L'AIC es une mesu e é ablie de la bon é de l'ajus emen pou la sélec ion de modèles dans l'analyse de données empi iques, mais la alidi é es sensible à la aille de l'échan illon.Les eche ches p écéden es de l'au eu on mon é que l'AIC à l'échelle, c'es -à-di e di isé pa la aille de l'échan illon, es un ou il e icace pou é alue l'ajus emen du modèle e la hié a chisa ion des modèles de ég ession.L'é ude ac uelle explo e d'au es p op ié és de ce e a iable.L'AIC es l'obje de 66 modèles de éponse de l'AIC se é é an au ai emen de composés anglais e més (conca enés) i és du p oje Gagné e al. KEYWORDS: composés anglais, AIC à l'échelle, décision lexicale, dénomina ion. ANOTACIJA Akaikės in o macijos k i e ijus (angl. AIC) es pas o us modelių inkamumo ma as, aikomas empi inių duomenų analizei. Tačiau AIC es jau us dyd ies imžiui. Anks esni Cha i on e cha i onidés 274 Ac a Linguis ica Li uanica XC au ho iaus y imai pa odė, kad skalės, padaly as iš im ies dydžio, y a eiksminga p iemonė modelio inkamumui į e in i i eg esijos modeliami hie a chizuo i. Šiame y ime nag inėjamos olimesnės šio kin ypa ybių. pa i imo objek as 66 daugių eg esijos modeliai, susiję su užda ų (sudu inių) anglų kalbos junginių, paim ų iš bazės (AIC) , apdo ojimu Pi miausia sug e ė su p ojek ų me odai Analysis o a iance (ANOVA), pag indinių ezul a o i i apa inų šal inių. Gagné’ėsi ki ų (2019)Anglųkalbossudu iniųžodžių(junginių) didžiosiosduomenų ESMINIAI ŽODŽIAI: anglais langues junginiai (sudu iniai žodžiai), skalės AIC, leksinis sp endimas, p ojek u(angl.ELP)i B i ųkalbosžodynop ojek u(angl.BLP),kaipa sakolaiko,leksinių sp endimųi į a dijimoužduočių,junginiųilgioi skaid umono mųšal iniai.Naudojami į a dijimas. 1. La g ande base de données Des composés anglais (LADEC: GAGNÉ e AL. 2019)1 Il es impo an de no e que les données ou nies pa les É a s memb es ne son pas con o mes à la législa ion de l'Union eu opéenne. La g ande base de données des composés anglais (LADEC: Gagné e al. 2019) es la plus g ande base de données exis an e de mo s composés. de l'ensemble comple des en ées de LADEC, 7804 composés peu en ê e lib emen pa és en deux mo phones uniques. une g ande a ié é de composés es considé ée, pa exemple, le CELEX (Baayen e al. 1995), le p oje de lexique anglais (ELP; Balo a e al. 2007), le p oje de lexique b i annique (BLP; Keele e al. 2012), le B i ish Na ional Co pus (B), e la base de données Wo dne . Les modèles de ég ession mul iple de Gagné e al. (2019) comp ennen un la ge é en ail de a iables p édic i es (=indépendan es), elles que la longueu du composé, la équence du big amme. 2004:46).The i s non-headcons i uen  e e s oawide angeo g amma ical 2 LADEC inclu le plu iel des composés déjà épe o iés en an qu'en ées dis inc es. Les a icles 275 e 275 du S a u Explo ing Scaled AIC wi hin English Closed Compounds Les emps de éponse loga i hmiques pou les composés de ELP (décision lexicale, dénomina ion) e BLP (décision lexicale) son u ilisés comme a iables dépendan es.Pou la plupa , la longueu du composé (nomb e de ca ac è es) e la équence du loga i hme composé du co pus 2009 SULEX-BT-US (B ysbae , New) 3 e BNC (BLP) son u ilisés comme a iables de con ôle. Figu e 1 Le ableau ci-dessous es p ésen é. Les en ées de LADEC: y hme a ion imbécile cadenas e e chan ie na al joueu de échan illon de la ie ap ès la mo cend ie incon énien analgésique ballon ê e d'œu lace de ê e é eillé s imula eu de a iè e bo d emblemen de chaussu e cou eau sou cil usil de chasse ga dien p ogéni u e e ou en a iè e manuel nau agé eje é e ou en a iè e eu c oisé su mobile Gagné e al. (2019) on demandé aux pa icipan s d'é alue les composés en enan comp e de la p é isibili é de la signi ica ion du composé à pa i de ses pa ies (c'es -à-di e les no es de p é isibili é, basées su les composés) e de la quan i é de signi ica ion de chacun des cons i uan s conse ée dans le composé (c'es -à-di e les no es de é en ion, basées su les cons i uan s). 3 Le co pus SUBTLEX-US es un co pus de 51 millions de je ons basé su les sous- i es de ilms e de p og ammes de élé ision amé icains. Plusieu s é udes écen es on ou ni des p eu es indiquan que les no mes de équence ob enues à pa i des sous- i es de ilms e de p og ammes de élé ision on endance à ê e plus e icaces que celles dé i ées de ex es imp imés lo squ'il s'agi d'explique les di é ences dans le emps de ai emen lexicale e , dans ce ains cas, l'exac i ude pa mi les locu eu s na i s de di e ses langues. 2018: 2 e les é é ences qui y igu en ). Cha i on e cha i onidés 276 Ac a Linguis ica Li huanica XC le p emie cons i uan é ai plus o emen co élé a ec la no e pou l'ensemble du composé que la no e pou le deuxième cons i uan (c1 ~ cmp: = 0,75, p <.001 s. c2 ~ cmp: = 0,66, p <.001. N = 429).4 Plus no ammen , la no e de é en ion de sens pou le p emie cons i uan e la décision de no a ion de p é isibili é de sens, la décision lexicale BLP e les emps de nommage ELP. Pou conclu e, le somme e la dis ibu ion plus éle ée des o  hecompoundp edic edall h ee ypeso  esponse imes,i.e.ELPlexical anspa ences pou le deuxième cons i uan e la meilleu e associa ion du p emie cons i uan a ec les opé a ions de ê e dans les composés anglais. Le deuxième cons i uan , c'es -à-di e la ê e, es une uni é don la anspa ence es amélio ée ca égo iquemen e séman iquemen (en compound’s meaning p edic abili y appea  o be immedia ely mapped on o ce qui conce ne l'aspec séman ique, oi les ela ions d'inclusion e d'hyponymie). es géné alemen calculé comme sui : […]2lnL + 2k, dans lequel […]lnL[…] se é è e à la p obabili é loga i hmique maximisée ou complè e du modèle e […]k[…] se é è e au nomb e de pa amè es, y comp is la cons an e. Un ensemble plus pe i de p édic eu s es géné alemen associé à des modèles plus e icaces (modèles a ec une pe e d'in o ma ion plus aible). o  hecompoundmos s ongly.5 2. AKAIKEINFORMATIONCRITERION(AIC) In 1973, Hi o ugu Akaike de eloped a me hod o es ima e he ela i e pa o  heAICequa ion). 4 S eige ’s(1980)z es showed ha  hisdi e encewassigni ican ,z=27.71,p<.0001(Gagné e al.2019). 5 En se é é an à des eche ches an é ieu es, Gagné e al. (2019) appo en que "le modi ica eu (le p emie cons i uan en anglais) a endance à joue un ôle plus impo an dans la sélec ion de la acili é de ela ion lo s du ai emen des composés e des ph ases de noms". Les a icles 277 e 278 de la loi Explo ing Scaled AIC wi hin English Closed Compounds L'AICc, une e sion co igée de l'AIC, in èg e la aille de l'échan illon pa la o mule 2k (k + 1) (n […] k […] 1). Cependan , il s'ad esse spéci iquemen aux pe i es ailles d'échan illon e n'es pas ecommandé pou les modèles basés su de g andes ailles d'échan illon elles que celles de Gagné e al. (2019). En pa iculie , Bu nham e Ande son (2002: 80 <85, 334 <335) ou nissen une discussion app o ondie des implica ions des ailles d'échan illon inégales pou la compa aison des modèles. Ils sou iennen que l'u ilisa ion de c i è es d'in o ma ion pou compa e des modèles a ec des ailles d'échan illon di é en es peu condui e à des ésul a s ompeu s. De même, comme no é dans une discussion en ligne pa S e unko en 2016 ( oi é é ence ap ès la bibliog aphie), ous les c i è es d'in o ma ion son basés su la onc ion de p obabili é qui, à son ou , dépend de la aille de l'échan illon. 3. Reche ches an é ieu es Dans Cha i onidis (2022), les aleu s de l'AIC pou 44 modèles de ég ession mul iple a ec di é en es combinaisons de a iables émo ionnelles ( alence, exci a ion e conc é i é pou (a) les mo s e (b) les con ex es des mo s) on é é di isées pa la aille de l'échan illon (N) pou p odui e des aleu s à l'échelle (AIC/N). 7 L'une des solu ions p oposées pa Bu nham e Ande son (2002) ai é é ence à la ans o ma ion des aleu s de l'AIC en "poids d'Akaike" qui son dé inis comme "la p obabili é ela i e du modèle, comp e enu des données" (Bu nham, Ande son 2002: xiii; oi égalemen Wagenmake s, Fa ell 2004). Le lec eu peu comp end e l'a i ma ion de S e unko en subs i uan des aleu s di é en es pou la composan e […]lnL[…] dans l'équa ion, ou en main enan la composan e […]2k[…] cons an e. Une diminu ion de la aleu lnL en aîne a une aleu d'AIC plus éle ée, c'es -à-di e in é ieu e. Selon S e unko (communica ion pe sonnelle), la p a ique de di ise le c i è e d'in o ma ion d'Akaike pa la aille de l'échan illon n'es pas nou elle. Pa exemple, Has ie e al. (2009) dé inissen de maniè e non canonique, en employan N comme dénomina eu dans la o mule. Bien que ce éca pa appo à la o mule AIC con en ionnelle ne soi pas sans ses c i iques, il es e une app oche épandue, comme en émoigne son inclusion dans le logiciel s a is ique S a a. Cha i on e cha i onidés 278 Ac aLinguis icaLi huanicaXC L'inse ion de p édic eu s clés dans des modèles globaux, c'es -à-di e géné aux, a mon é que les emps de décision lexicale BLP nécessi aien une meilleu e quali é de l'ajus emen que les emps de décision lexicale ELP. L'ajus emen des modèles ELP es ombé dans la ou che e de ceux obse és pou les modèles de décision lexicale ELP e BLP. Plus pa iculiè emen , la conc é e é du con ex e pou le deuxième cons i uan es appa ue comme un p édic eu signi ica i dans ous les modèles a ec équence SUBTLEX-US, à a e s la décision lexicale e la dénomina ion. Dans Cha i onidis (2024), ous les coe icien s signi ica i s des modèles globaux a ec équence SUBTLEX-US on é é jux aposés à la a iable d'hyponymie (Gagné e al. 2020). Il a é é cons a é que les modèles comp enan à la ois l'hyponymie e la conc é e é du con ex e pou les deuxièmes a iables é aien oujou s associés à la aleu Scaled (c.-à-d. la meilleu e) de la composan e pa appo aux modèles imb iqués, c'es -à-di e édui s, ome an l'un ou l'au e de ces deux modèles. Tableau 1. Le ableau 1. Le ableau 2. Les aleu s à l'échelle pou les modèles imb iqués ome an l'hyponymie ("modèle 2") ou la conc é esse du con ex e pou le deuxième cons i uan ("modèle 3") à pa i de modèles comple s ("modèle 1) pou p édi e les emps de décision lexicale (LD) du p oje de lexique anglais (ELP), les emps de décision lexicale (BLP) e les emps de conc é esse du deuxième cons i uan (ELP) des modèles imb iqués ("modèle 2") ou des modèles imb iqués ("modèle 2") à pa i de modèles modèles (ELP) pou p édi e les emps de décision hyponomique, la équence du lexique b i annique (ELP) e la alence du con ex e (c). Modèle à l'échelle AIC AIC N ELP LD Il s'agi d'une ques ion qui conce ne l'applica ion de la di ec i e. 2-3.30375 -4169.334 1262 3-3.34845 -3700.038 1105 BLPLD Il s'agi d'une ques ion qui conce ne l'applica ion de la di ec i e. 2-3.76618 -3920.592 1041 3-3.76718 -2987.37 793 dénomina ion de l'ELP Il s'agi d'une a ai e qui conce ne des pe sonnes âgées. 2-3.54304 -8418.27 2376 3-3.58379 -7389.784 2062 Les a icles 279 e 279 de la loi Explo ing Scaled AIC wi hin English Closed Compounds SUBTLEX-US equency, ep esen a ion alence(cmp),con ex conc e eness (c2) Temps de dénomina ion des ELP Modèle R2 ca é F changemen d 1 d 2 p ELP LD 1.184a47.506 5 1052 000 pe sonnes on é é blessées. 2-.004 4.562 1 1052 .033 3-.010 13.175 1 1052 .000 BLP LD 1.211a40.479 5 759.000 Le mon an de l'aide es ixé en onc ion de l'ampleu de l'aide acco dée. 2-.013 12.091 1 759 .001 3-.015 14.007 1 759 .000 dénomina ion de l'ELP 1.288b118.711 72054.000 Au es espèces e espèces 2-.003 8.286 1 2054 .004 3-.003 8.309 1 2054 .004 a. P édic eu s: (cons an e), jugemen d'hyponymie, longueu du composé, équence SUBTLEX-US, alence de ep ésen a ion (cmp), conc é i é du con ex e (c2) b. P édic eu s: (cons an e), jugemen d'hyponymie, longueu du composé, équence SUBTLEX-US, alence de con ex e (cmp), exci a ion de con ex e (c1), exci a ion de con ex e (c2), conc é e é de con ex e (c2) En conclusion, deux mesu es di é en es de aille d'e e , à sa oi l'AIC à l'échelle e la même p é é ence pou le meilleu modèle. R2,hie a chized hesame eg essionmodelsiden icallywhiledemons a ing Cha i on e cha i onidés 280 Ac a Linguis ica Li uanica XC (en anglais) 4. L'é ude ac uelle La p ésen e é ude s'appuie su les eche ches p écéden es de l'au eu p ésen ées à la sec ion 3. Les suje s de eche che son 66 modèles de décision e de dénomina ion lexicales pou les composés e més (conca enés) anglais cons ui s pa Gagné e al. (2019). Tous les modèles incluen la équence SUBTLEX-US comme a iable de con ôle. Nos objec i s son doubles e onc ionnen en pa allèle. P emiè emen , nous é aluons les ca ac é is iques des modèles de Gagné e al. (ibid.). Les ques ions de eche che son les sui an es: 1. L'AIC à l'échelle es -elle sensible à la concep ion du modèle de Gagné e al. (2019)? Quels g oupes de modèles son a o isés? 2. Quel es l'impac des a iables de con ôle " équence composée" e "longueu composée" su l'AIC à l'échelle? 3. Commen la anspa ence mo phologique es -elle liée à l'AIC à l'échelle? L'é ude es s uc u ée comme sui : la sec ion 5 ou ni un ape çu de nos mé hodes. la sec ion 6.1 ou ni des s a is iques desc ip i es pou l'AIC à l'échelle en se é é an aux modèles considé és. l'accen es mis su les ca ac é is iques pa amé iques pa appo aux ca ac é is iques non pa amé iques des ca égo ies de modèles. la sec ion 7.2 explo e la ela ion en e la sou ce des emps de éponse e les âches de ai emen lexicale. la sec ion 6.3 jux apose l'AIC à la a iable de con ôle " équence composée" e "longueu composée". dans la sec ion 6.4 les ni eaux de signi ica ion des coe icien s de anspa ence des modèles de Gagné e al. (2019) son mappés su les aleu s à l'échelle. 5. Les mé hodes No e mé hode géné ale é ai l'analyse compa a i e des p incipaux pa amè es e ca ac é is iques des modèles de Gagné e al. (2019), en u ilisan des a iables à échelle comme a iable dépendan e. Les a iables indépendan es comp enaien les ca ac é is iques de l'échan illon (pa exemple, la sou ce du emps de éponse e les âches de ai emen lexicale), la concep ion de l'é ude (pa exemple, le con ôle) e le ni eau de signi ica ion des coe icien s de anspa ence, en e au es ac eu s. Les mé hodes s a is iques spéci iques u ilisées é aien les sui an es: a) des s a is iques desc ip i es ela i es aux moyennes e aux médianes, ainsi que l'applica ion du es de Shapi o-Wilk pou é alue la endance cen ale, la a iabili é e la dis ibu ion des e e s de Scaled à a e s di é en es ca égo ies e g oupes de modèles (sec ions 6.1 e 6.2), b) des analyses p incipales menées pou la sou ce des emps de éponse (ELP/BLP) e les âches de ai emen lexicale (nommage de décision lexicale) (sec ion Les a icles 281 e 282 de la loi Explo ing Scaled AIC wi hin English Closed Compounds 6. c) des ANOVA dis inc es e ec uées su la sou ce du emps de éponse e les âches de ai emen lexicale, inco po an la longueu composée comme co a iable (sec ion 6.3), e d) l'u ilisa ion des es s de anspa ence séman ique de K uskal-Wallis e de o explo e di e ences among he anks o  o dinally- ecodedcoe icien s o  Jonckhee e-Te ps a (sec ion 6.4). 6. Analyses e ec uées 6.1 Classi ica ion à l'échelle pa appo aux ca égo ies de modèles Les 66 aleu s d'AIC des modèles de ég ession mul iple 2 de Gagné e al. (2019) a ichen le wi h SUBTLEX-US equency as a con ol a iable we e di ided by each model’ssamplesize oyieldase o 66ScaledAIC alues. Table3belowp o ides hedesc ip i es a is ics o ScaledAICandFigu e g aphique co espondan se é é an à l'ensemble o donné de aleu s.10 Il n'y a ai pas de aleu s abe an es dans l'échan illon. Les aleu s de biais (Sk) e de ku osis (Ku) é aien olé ables.11 La aleu moyenne pou l'AIC à l'échelle é ai de -3,50030. L'éca - ype é ai de 0,19052, c'es -à-di e que les obse a ions é aien ela i emen é oi emen eg oupées au ou de la moyenne. Les aleu s minimales e maximales é aien de -3,85502 e -3,7315754, espec i emen . La aleu médiane é ai de -3,552, c'es -à-di e légè emen in é ieu e à la aleu moyenne. (IQR) é ai de 0,35616. 10 La ligne du qua ile in é ieu ou p emie de la boî e (Q1) ma que la limi e en dessous de laquelle s'é end le 25% in é ieu des données. de même, la ligne du qua ile supé ieu ou oisième de la boî e (Q3) ma que le 50% du milieu bounda yabo ewhich heuppe 25%o  heda aex ends.Theshadeda eashows hebounda ies des données ou la ou che e in e qua ile (IQR), qui peu ê e calculée en sous ayan 114. en é é ence à he i s qua ile om he hi dqua ile(Q3-Q1).Theho izon allineinside heboxshows he mediano middle qua ile(Q2),i.e. he alue ha  allsin hemiddleo  heda ase . l'en i onnemen SPSS, les aleu s en e -1 e +1 pou l'éca e en e -2 e +2 pou la ku osis son géné alemen considé ées comme accep ables pou l'é alua ion de la dis ibu ion no male. Wha _is_ he_accep able_ ange_o _skewness_and_ku osis_ o _no mal_dis ibu ion_o _da a). Cha i on e cha i onidés Pou dé ec e l'in luence de la longueu e de la équence des composés su l'AIC à l'échelle, les coe icien s de ég ession espec i s on é é ecodés en aleu s o dinai es en onc ion de leu posi i i é e de leu ni eau de signi ica ion, oi le ableau 6. TABLE 6. Tableau de ecodage o dinal pou les coe icien s de ég ession Signi icance Posi i i é aleu s o données Desc ip ion p <.05001 néga i -3 g and e e néga i p <.0501 néga i -2 e e néga i modé é p <.0505 néga i pe i e e néga i p >.0505 néga i /posi i 0 e e non signi ica i p <.05 posi i e 1 pe i e e posi i p <.0501 posi i 2e e posi i modé é p <.05 posi i e 3g and e e posi i Dans les modèles de Gagné e al. (2019) , la équence SUBTLEX-US a oujou s é é associée à des coe icien s néga i s a ec un g and e e , p < Sc.001. En ce qui conce ne la longueu composée, ous les coe icien s de ég ession signi ica i s des modèles de Gagné e al. (2019) on eu un g and e e posi i d'induc ion de la ence, p <.001. Con ai emen à la a iable SUBTLEX-US, plusieu s coe icien s non signi ica i s on é é obse és. Comp e enu de ces modèles, une a iable ca égo ique a é é c éée a ec les aleu s 0,5 <1> pou l'e e posi i (in e é ence de longueu composée) e 0 <0 <0> pou l'e e nul (in e é ence de longueu composée). La longueu composée a é é incluse comme une seule a iable indépendan e dans un modèle de ég ession linéai e. il a é é cons a é que la moyenne d'AIC à l'échelle p édi e pou l'absence d'in e é ence de longueu composée é ai de 3,611 (= l'in e cep ion). l'in e é ence de longueu composée a en aîné une aleu plus éle ée de -3.407 (= b = 204, p. 001). S aipsniai a icles 289 e 299 Explo ing Scaled AIC wi hin English Closed Compounds Figu e 6. Longueu composée e AIC à l'échelle Nous a ons mené des ANOVA sépa ées pou la sou ce du emps de éponse (ELP/BLP) e la pe o mance de la âche (décision lexicale/nommage), en enan comp e de la longueu composée en an que co a iable. Le es de co éla ion de Pea son a é élé une o e collinéa i é en e la sou ce du emps de éponse e la longueu du composé, = 1 (N = 39).Les p eu es sui an es sou iennen no e conclusion: P emiè emen , le g oupe ELP a éguliè emen mon é des co éla ions posi i es signi ica i es a ec la longueu du composé, indiquan un e e impo an .Deuxièmemen , le g oupe BLP a éguliè emen mon é des co éla ions non signi ica i es a ec la longueu du composé.17 Pa conséquen , la moyenne p édi e de Sc pou la sou ce du emps de éponse é ai la même a ec ou sans composé dans l'analyse (M = 3,407 dans les deux cas). Le es de co éla ion de Pea son a é élé une co éla ion néga i e en e la âche e la longueu du composé, indiquan un e e modé é, = -.5, p =.001 (N = 39). 17 Il con ien de no e que 11 des 13 coe icien s BLP é aien néga i s. Cha i on e cha i onidés Ac a Linguis ica Li uanica XC Lo squ'on considè e la âche comme la a iable p imai e, la longueu composée é ai une longueu composée considé ée comme la a iable p imai e, la signi ican p edic o o ScaledAIC,F(1,145.030),p=.000.Simila ly,when âche é ai un p édic eu signi ica i de l'AIC à l'échelle, F (1, 125.30), p = 000. La moyenne de l'AIC à l'échelle p édi e pou la âche seule é ai signi ica i emen di é en e de la moyenne de l'AIC à l'échelle p édi e lo sque la longueu composée é ai p ise en comp e (3,584 s 3,203, espec i emen ). Ce e sec ion é udie l'e e des coe icien s de ég ession pou la séman ique su les ois ni eaux mo phologiques, c'es -à-di e le composé, le p emie cons i uan e le deuxième cons i uan . Le ableau 7 ci-dessous a iche les médianes e les plages des coe icien s de anspa ence ans o més o dinai emen pou les ois ni eaux mo phologiques. Les médianes ou nissen des in o ma ions u iles su la endance 6.4. ScaledAIC s. anspa encyno ms cen ale e la dispe sion des aleu s o dinales e peu en aide à éclai e les analyses anspa encyinGagnée al.(2019)modelsonScaledAIC.These eg ession coe icien swe ecodedon h eeo dinalscales,eachco esponding ooneo  basées su les a iables o dinales. TABLE 7. Coe icien s de anspa ence ans o més o dinai emen : médianes e ou che es Médiane minimale maximale Composé -3 -3 -1 P emie cons i uan 2-3 3 Deuxième cons i uan 0 -2 3 N = 18 ans Comme on peu le oi , la médiane pou le composan é ai […]-3[…], la médiane pou le p emie composan é ai […]2[…], e la médiane pou le deuxième composan é ai […]0[…]. Ces ésul a s suggè en que dans les modèles de Gagné e al. […]s, la anspa ence pou le composan é ai associée à un e e néga i impo an ( emps de éponse plus cou s), la anspa ence pou le p emie composan é ai associée à un e e posi i modé é ( emps de éponse plus longs) e la anspa ence pou le deuxième composan n'a ai pas d'e e signi ica i ou a ai un ôle ince ain. Selon Sca o e al. (2005), les é alua ions de anspa ence plus éle ées pou le Les a icles 291 e 292 de la loi Explo ing Scaled AIC wi hin English Closed Compounds deuxième composan es en un biais inhé en , conduisan à la anspa ence globale dépendan de la équence du p emie composan . En ce qui conce ne l'analyse à sui e, il es pos ulé que les modèles p ésen an des aleu s à l'échelle plus éle ées (in é ieu es) peu en posséde des coe icien s signi ica i s dé i és sys éma iquemen , c'es -à-di e des coe icien s qui son pe inen s selon l'ensemble de données LADEC seul. En pa iculie , des aleu s d'AIC à plus aible échelle peu en ê e associées à: a) des coe icien s posi i s ( emps de éponse plus longs) conce nan l'ensemble du composé; b) des coe icien s néga i s ( emps de éponse plus heinhe en biaso  hesecondcons i uen .18 cou s) conce nan le p emie cons i uan ; e c) des coe icien s posi i s ou néga i s ( emps de éponse plus longs ou plus cou s, espec i emen ) conce nan le deuxième cons i uan . Pou épond e à la ques ion de eche che, deux mesu es non pa amé iques se on u ilisées, à sa oi le es de K uskal-Wallis e le es de Jonckhee e-Te ps a. Le es de K uskal-Wallis, égalemen connu sous le nom de " es H", es un es non pa amé ique basé su 18 dans Cha i onidis (2024) il es sou enu que l'hyponymie e la conc é esse du con ex e pou le deuxième cons i uan son des p édic eu s séman iques impo an s dans la décision lexicale e la dénomina ion. Cha i on e cha i onidés 292 Ac a Linguis ica Li uanica XC la dis ibu ion chi-ca é. Elle exige que la a iable dépendan e soi o dinai e ou con inue. Ce es es conçu pou dé e mine s'il exis e des di é ences signi ica i es en e les médianes de deux g oupes ou plus e es u ilisé comme al e na i e à l'ANOVA unidi ec ionnelle. En ce qui conce ne la p océdu e, les aleu s de la a iable dépendan e con inue, c'es -à-di e l'AIC à l'échelle, on é é o données de la plus basse à la plus éle ée e les sco es on é é a ibués. Les angs ésul an s on é é éin ég és dans les g oupes de ni eau de signi ica ion (la a iable indépendan e) e les angs pou chaque g oupe on é é addi ionnés. amongo he s,squa ing hesumo  anks o eachg oupand hendi iding his TABLE 8. Composé Signi icancele els N Sumo Ranks E e néga i à Il s'agi de l'AIC. l'échelle 1 […] aible 1 2 2 […] e e néga i modé é 5 46 3 […] e e néga i impo an 12 123 Au o al, 18 pe sonnes TABLE9.Fi s cons i uen Signi icancele els N Sumo Ranks Scaled Il s'agi de l'AIC. 1–la geposi i ee ec 6 59 2 […] e e posi i modé é 4 34 3 […] pe i e e posi i 1 3 4 […] aucun e e 1 2 5 […] pe i e e néga i 1 10 6 […] e e néga i modé é 1 11 7 […] e e néga i impo an 452 Au o al, 18 pe sonnes 19 Pou le es e des calculs, oi Field (2009: 561 […] 562). 20 Dans les ois ableaux, la somme o ale des angs es d'en i on 171. Elle es égale à la somme des en ie s de 1 à 18, oi aille d'échan illon (N). S aipsniai a icles 29 e 33 Explo ing Scaled AIC wi hin English Closed Compounds TABLE 10. Deuxième composan Signi icancele els N Sumo Ranks Scaled Il s'agi de l'AIC. 1–la geposi i ee ec 6 59 2 […] pe i e e posi i 1 14 3 […] aucun e e 8 59 4 […] pe i e e néga i 1 18 5–mode a enega i ee ec 221 Au o al, 18 pe sonnes A an d'en e dans les ésul a s du es de K uskal-Wallis (H), il es impo an de no e que ce es ne ou ni pas d'in o ma ions su les di é ences spéci iques en e les g oupes indi iduels. Pou ésoud e ce p oblème, le es de Jonckhee e-Te ps a (JT) a é é employé en ou e. Ce es a ou ni des in o ma ions su la ques ion de sa oi si les médianes des g oupes on augmen é ou diminué dans l'o d e spéci ié pa la a iable de codage (g oupage), en pa iculie de l'e e posi i impo an à l'e e néga i impo an . En ce qui conce ne les mé hodes JT, l'AIC a é é con e i en un z-sco e. (a) L'AIC à l'échelle pou le composé n'a pas é é signi ica i emen a ec é pa le ni eau de signi ica ion, el que dé e miné pa le es de K uskal-Wallis (H (2) = 2,226, p > 0,05). Il s'agi d'une é ude éalisée pa la Socié é eu opéenne de l'éne gie e de l'éne gie. (b) L'AIC à l'échelle (6) pou le p emie cons i uan n'a pas é é signi ica i emen a ec é pa le ni eau de signi ica ion, el que dé e miné pa le es de K uskal-Wallis (H = 5,427, p > 0,05). Une endance de médianes ascendan es a é é cons a ée eje an no e hypo hèse de su adap a ion, oi la médiane posi i e pou le p emie cons i uan dans le ableau 7. c) L'AIC à l'échelle pou le deuxième cons i uan n'a pas é é signi ica i emen a ec é pa le ni eau de signi ica ion, el que dé e miné pa le es de K uskal-Wallis (H (4) = 4,607, p > 0,05). Cha i on e cha i onidés 294 Ac aLinguis icaLi huanicaXC En pa iculie , la s a is ique z du es Jonckhee e-Te ps a é ai essen iellemen nulle, con o mémen à la médiane zé o pou le deuxième cons i uan du ableau 7 (JT = 54, z = 0,041, p > 0,05). En ésuman , il peu ê e dédui que le ni eau de signi ica ion des coe icien s de anspa ence dans les modèles de Gagné e al. (2019) a ec équence SUBTLEX-US n'a ec e pas l'ampleu de Scaled. les aleu s de l'AIC. Pou assu e la cla é e l'exhaus i i é de la p ésen a ion de nos ésul a s de eche che, nous a ons inco po é une sec ion dédiée axée su le ésumé des p incipales conclusions de no e é ude. 7. Conclusions clés Chaque sec ion du ableau app o ondi des suje s spéci iques, é élan quels modèles son les plus e icaces. Les es s ANOVA e K uskal-Wallis/Jonckhee e-Te ps a (sec ions 6.3 e 6.4) on é é appliqués ap ès a oi a ibué des coe icien s nominaux (o dinaux ou ca égo iques) aux coe icien s de ég ession des modèles de Gagné e al (2019). TABLE 11. AIC à l'échelle dans les composés e més anglais: analyse app o ondie des pe o mances du modèle dans les âches de décision e de dénomina ion lexicales (Gagné e al. 2019) Subjec s S a is ics E alua ion Sec ion Ca égo ies de Tes s de no mali é modèles Desc ip i s décision lexicale BLP dénomina ion de l'ELP ELP décision lexicale NPAR/~ Pou cen- Pou cen age d'équilib e age d'équilib e 6.1 Temps de éponse ELP ~ sou ce Le ask E e s p incipaux décision lexicale ai emen décision lexicale BLP lexicale de la dénomina ion ELP […]6.2 S aipsniai a icles 295 e Explo ing Scaled AIC wi hin English Closed Compounds Subjec s S a is ics E alua ion Sec ion Va iables de con ôle ANOVA F équence composée Longueu du composé ✓ ~ 6.3 Séman ique NOF/ns K uskal-Wall- anspa en- Composé is P emie ce de cons i uan Jonckhee e-- Te ps a NOF/ns deuxième cons i uan NOF/ns 6.4 PAR: données pa amé iques | NPAR: données non pa amé iques | : meilleu s modèles (AIC in é ieu ) ~: modèles in é ieu s (AIC supé ieu ) | NOF/ns: aucun essai de su adap a ion ou non signi ica i 8. Déba Des eche ches an é ieu es de Cha i onidis (2022, 24) on démon é que Scaled AIC es une mesu e iable de la bon é de l'ajus emen qui peu ê e u ilisée dans la sélec ion de modèles, peu -ê e en coopé a ion a ec d'au es mesu es elles que le es Wald ( oi la sec ion 2023) a ec é é ence à Gagné e al. (2019) modèles de ég ession mul iple a ec équence SUBTLEX-US. Cependan , il es essen iel de econnaî e que la éac i i é de la mesu e Scaled AIC peu dépend e du con ex e e que son u ili é doi ê e é aluée au cas pa cas. in o ma ionc i e ia(seesec ion2), he indingso  hiss udysugges  ha in Les dis ibu ions des aleu s d'AIC à l'échelle, ainsi que les combinaisons de di é en es add ess he esea chques ionsse upinsec ion4. sou ces de emps de éponse e de âches de ai emen , suggè en que l'AIC à l'échelle iden i ie e icacemen la p ésence ou l'absence de ac eu s sous-jacen s bien dé inis dans la concep ion expé imen ale e la modélisa ion s a is ique. La équence composée é ai sans excep ion un p édic eu néga i de l'AIC à l'échelle, indiquan oujou s un e e impo an . Cha i on e cha i onidés 296 Ac a Linguis ica Li huanica XC co éla ions posi i es signi ica i es a ec la longueu composée p édisan des aleu s d'AIC à l'échelle plus éle ées (=in é ieu es). La posi i i é e le ni eau de signi ica ion des coe icien s de anspa ence dans les modèles de Gagné e al. (2019) n'on pas a ec é l'ampleu de l'AIC à l'échelle. En aisan é é ence à des sec ions spéci iques des analyses, les p incipales conclusions de ce e é ude peu en ê e ésumées comme sui : Dans la sec ion 6.1, no e analyse s'es concen ée su la compa aison en e les aleu s d'échelle à a e s di e ses ca égo ies de modèles. Même ap ès a oi en é les ans o ma ions "loga i hme na u el" e " acine ca ée" su les aleu s absolues, l'échan illon global d'échelle n'é ai pas con o me à une dis ibu ion no male. Dans la sec ion 6.2, nous nous sommes concen és su l'examen de la ela ion en e l'AIC à l'échelle e (a) les sou ces des emps de éponse e (b) la pe o mance des âches.Il es in é essan de no e que les plages de aleu s de l'AIC à l'échelle pou les modèles de décision lexicale ELP e BLP ne se che auchen pas, ce qui indique leu dis inc i i é.Les ésul a s des es s on é élé des e e s p incipaux signi ica i s de la sou ce de emps de éponse e de la pe o mance des âches su l'AIC à l'échelle. Dans la sec ion 6.3, no e explo a ion s'es penchée su la ela ion en e l'AIC à l'échelle e les a iables de con ôle " équence composée" e "longueu composée". La équence composée a é é exclue de l'analyse pa ce qu'elle é ai pa ai emen collinéai e a ec l'AIC à l'échelle. D'au e pa , un déclin des aleu s de la longueu composée a é é obse é lo sque la longueu composée es de enue un ac eu pe inen dans les modèles. Concomi an ly,compoundleng hwasmos  ele an  o  henaming ask. Dans la sec ion 6.4, nous nous sommes concen és su la ela ion en e l'AIC à l'échelle e le andseman ic anspa ency.The esea chques ionwaswhe he  heposi i i y ni eau de signi ica ion des coe icien s de anspa ence dans les modèles de Gagné e al. (2019) qui on eu un impac su l'AIC à l'échelle. En conclusion, l'explo a ion de di é en s pa amè es u ilisan l'AIC à l'échelle comme a iable dépendan e a éclai é les di é en es açons don les ca égo ies de modèles, la sou ce du emps de éponse, les âches de Les a icles 297 e 297 de la loi Explo ing Scaled AIC wi hin English Closed Compounds acco ding o heLADECda ase alone.Whileweobse eda endo inc easing (=in e io )ScaledAIC alues o aclus e o signi ican nega i ecoe icien sa  ai emen , les a iables de con ôle e la anspa ence séman ique a ec en la quali é de l'ajus emen des modèles. REFERENCES Akaike Hi o ugu 1973:In o ma ionTheo yandanEx ensiono  heMaximum Likelihood P inciple. – Second In e na ional Symposium on In o ma ion Theo y, eds. B.F.Csaki,B.N.Pe o ,Budapes :AcademiaiKiado,267–281. Ald ichJohnR.1997:R.A.Fishe and heMakingo MaximumLikelihood1912– 1922.–S a is ical Science12(3),162–176. Baayen Ha ald R., Piepenb ock Richa d, Gulike s Leon 1995: The CELEX Lexical Da abase(Da ase ,Release2,CD-ROM),Linguis icDa aConso ium, Uni e si yo Pennsyl ania.A ailablea :h ps://ca alog.ldc.upenn.edu. Balo a Da id A., Yap Mel in J., Co ese Michael J., Hu chison Kei hI.,Kessle B e ,Lo isBjo n,NeelyJamesH.,NelsonDouglas L.,SimpsonG egB.,T eimanRebecca2007:TheEnglishLexiconP ojec .– Beha io Resea ch Me hods39,445–459. B ysbae  Ma c, New Bo is 2009: Mo ing Beyond Kuče a and F ancis: A C i icalE alua iono Cu en Wo dF equencyNo msand heIn oduc iono aNew andImp o edWo dF equencyMeasu e o Ame icanEnglish.–Beha io Resea ch Me hods41,977–990.DOI:doi.o g/10.3758/BRM.41.4.977. Bu nhamKenne hP.,Ande sonDa idR.2002:Model Selec ion and Mul imodal In e ence: A P ac ical In o ma ion-Theo e ic App oach, 2ndedi ion,NewYo k:Sp inge . DOI:dx.doi.o g/10.1007/b97636. Cha i onidis Cha i on 2022:Con ex Conc e eness o  heSecondCons i uen  SlowsDownCompound-Wo dP ocessing.–Lexis20.DOI:doi.o g/10.4000/lexis.6769.