Exploring Scaled AIC within English closed compounds

S aipsniai A icolo 273 CHARITONCHARITONIDIS Rice ca o e indipenden e ORCID id: o cid.o g/0000-0003-0298-2629 Campi di ice ca: o mazione delle pa ole, esp essioni mul i-pa ole, seman ica lessicale, iconoscimen o delle pa ole, emozioni. DOI: doi.o g/10.35321/all90-11 Esplo azione dell'AIC a scala In inglese chiuso COMPONTI Lingue inglesi užda ųjų junginių (sudu inių žodžių) skalės AIC y imas Anno azione L'AIC è una misu a di alidi à di quali à s abili a pe la selezione di modelli nell'analisi dei da i empi ici. Tu a ia, è sensibile alla dimensione del campione. La ice ca p eceden e dell'au o e ha dimos a o che l'AIC Scaled, cioè di iso pe la dimensione del campione, è uno s umen o e icace pe alu a e l'ada amen o del modello e la ge a chizzazione dei modelli di eg essione. Il p esen e s udio esplo a ul e io i p op ie à di ques a a iabile. Gli e e i dell'AIC sono 66 modelli di ispos a AIC che si i e iscono all'elabo azione di compos i inglesi chiusi (conca ena i) p esi dal p oge o Gagné e al. KEYWORDS: compos i inglesi, scala o AIC, decisione lessicale, denominazione. ANOTACIJA Akaikės in o macijos k i e ijus (angl. AIC) è pas o us modelių inkamumo ma as, aikomas empi inių duomenų analizei. Tačiau AIC y a jau us dyd ies imžiui. Anks esni Ca i one Ca i onidide 274 Ac a Linguis ica Li uanica XC au o iaus y imai pa odė, kad skalės pa i inimas, padaly as iš im ies dydžio, y a eiksminga p iemonė modelio inkamumui į e in i i eg esijos modeli 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, paimų iš bazės (ACIC), apdo ojimas pi miausia su p ojek ų me odai Analysis o a iance (ANOVA), pag indinių ezul a o Gagné’ėsi ki ų (2019)Anglųkalbossudu iniųžodžių(junginių) didžiosiosduomenų i englio i englio. ESMINIAI ŽODŽIAI: inglese lingua junginiai (sudu iniai žodžiai), skalės AIC, leksinis 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 sp endimas, į a dijimas. 1. La g ande base di da i DELLI COMPONENTI IN LINGUESE (LADEC: GAGNÉ e al. 2019)1 Il La ge Da abase o English Compounds (LADEC) è il più g ande da abase esis en e di pa ole compos e, che con iene ol e 8000 nomi compos i non-spaza i (conca ena i) seleziona i da a ie on i, a cui, a gli al i, il CELEX (NCB e al. 1995), l'English Lexicon P ojec (ELP; Balo a e al. 2007), il B i ish Lexicon P ojec (BLP; Keele e al. 2012), il B i ish Na ional Co pus (B) e Wo dne . I modelli di eg essione mul ipla di Gagné e al. (2019) includono un'ampia gamma di a iabili p edi o ie (=indipenden i), come la lunghezza del compos o, la equenza del big amma 1 Ques a sezione è s a a ado a a da Cha i on Cha i onidis (2022) con lie i al e azioni. 2004:46).The i s non-headcons i uen  e e s oawide angeo g amma ical 2 LADEC include i plu ali di compos i già elenca i come oci sepa a e. S aipsniai A icoli 275 e 275 Explo ing Scaled AIC wi hin English Closed Compounds I empi di ispos a log pe i compos i di ELP (decisione lessicale, denominazione) e BLP (decisione lessicale) sono u ilizza i come a iabili dipenden i. pe la maggio pa e, la lunghezza del compos o (nume o di ca a e i) e la equenza del log compos o (pa ola) dal co pus 2009 SULEX-BT-US (B ysbae , New) 3 e BNC (BLP) sono u ilizza i come a iabili di con ollo. FIGURA 1. Il p oge o è s a o p esen a o alla Commissione in campione di i a dopo la mo e lucche o posacene e s an aggio segui o a una e isione del sognando ad occhi ape i an idolo i ico schienale egolamen o. LADEC oci: pacemake ae eo s upido e emo o can ie e di palla gioca o e di es a d'uo o lacci pe lib o di es o nau agio sca pe bu e cup sop acciglia ema gina i i o no uoco ucile da caccia cus ode p ole inc ocia o o e d i e u na ound L'a enzione p incipale nello s udio di Gagné e al. (2019) è s a a pos a su a ie misu e di aspa enza seman ica. Gagné e al. (2019) hanno chies o ai pa ecipan i di alu a e i compos i conside ando quan o sia p e edibile il signi ica o del compos o dalle sue pa i (o e o alu azioni di p e edibili à, basa e sul compos o) e quan o del signi ica o di ciascuno dei cos i uen i sia conse a o nel compos o (o e o alu azioni di i enzione, basa e sul componen e). 3 Il co pus SUBTLEX-US è un co pus di 51 milioni di oken basa o su so o i oli di ilm e p og ammi ele isi i s a uni ensi. Di e si s udi ecen i hanno o ni o p o e che indicano che le no me di equenza o enu e dai so o i oli di ilm e p og ammi ele isi i endono ad esse e più e icaci di quelle de i a e da es i s ampa i quando si a a di spiega e le di e enze nel empo di elabo azione lessicale e, in alcuni casi, l'accu a ezza a i pa lan i na i i di a ie lingue. 2018: 2 e i ela i i i e imen i). Ca i one Ca i onidide 276 Ac a Linguis ica Li huanica XC il p imo componen e e a più o emen e co ela o con la alu azione pe l'in e o compos o ispe o alla alu azione pe il secondo componen e (c1 ~ cmp: = 0,75, p <.001 s. c2 ~ cmp: = 0,66, p <.001. N = 429).4 In pa icola e, la alu azione della conse azione del signi ica o pe il p imo componen e e la decisione di alu azione della p e edibili à del signi ica o, la decisione lessicale BLP e i empi di denominazione ELP. Pe o  hecompoundp edic edall h ee ypeso  esponse imes,i.e.ELPlexical conclude e, il picco e la dis ibuzione più ele a a delle aspa enza pe il secondo componen e e la miglio e associazione del p imo componen e con le ope azioni di es a nei compos i inglesi. il secondo componen e, cioè la es a, è un'uni à la cui aspa enza è miglio a a ca ego icamen e e compound’s meaning p edic abili y appea  o be immedia ely mapped on o seman icamen e (pe l'aspe o seman ico, edi le elazioni di coin olgimen o e iponimia). il p imo componen e, cioè il modi ica o e, è il a o e più c i ico nello s abili e il i e imen o compos o. È ipicamen e calcola o come segue: […]2lnL + 2k, in cui […]lnL[…] si i e isce alla p obabili à loga i mica massima o comple a del modello e […]k[…] si i e isce al nume o di pa ame i, comp esa la cos an e. 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 Ri e endosi a ice che p eceden i, Gagné e al. (2019) i e iscono che "il modi ica o e (il p imo cos i uen e in inglese) ende a s olge e un uolo più impo an e nella selezione della acili à di elazione du an e l'elabo azione di compos i e asi di nomi". S aipsniai A icolo 277 Explo ing Scaled AIC wi hin English Closed Compounds L'AICc, una e sione co e a dell'AIC, inco po a la dimensione del campione a a e so la o mula 2k (k + 1) (n […] k […] 1). Tu a ia, a on a speci icamen e piccole dimensioni del campione e non è accomanda o pe i modelli basa i su g andi dimensioni del campione come quello di Gagné e al. (2019). In pa icola e, Bu nham e Ande son (2002: 80 < 85; 334 < 335 ) o niscono una discussione comple a delle implicazioni delle dimensioni dei campioni disuguali pe il con on o dei modelli. Essi sos engono che l'u ilizzo di c i e i di in o mazione pe con on a e modelli con dimensioni di campione di e se può po a e a isul a i uo ian i. Allo s esso modo, come no a o in una discussione online di S e unko nel 2016 ( edi i e imen o dopo la bibliog a ia), u i i c i e i di in o mazione si basano sulla unzione di p obabili à che, a sua ol a, dipende dalla dimensione del campione. 3. RICERCHE PREVIORA In Cha i onidis (2022) i alo i dell'AIC pe 44 modelli di eg essione mul ipla con di e se combinazioni di a iabili emo i e ( alenza, ecci azione e conc e ezza pe (a) pa ole e (b) con es i di pa ole) sono s a i di isi pe dimensione del campione (N) pe o ene e alo i scala i (AIC/N). 7 Una delle soluzioni p opos e da Bu nham e Ande son (2002) si i e isce alla as o mazione dei alo i AIC in "pesi di Akaike" che sono de ini i come "la p obabili à ela i a del modello, da i i da i" (Bu nham, Ande son 2002: xiii; edi anche Wagenmake s, Fa ell 2004). Il le o e può comp ende e l'a e mazione di S e unko sos i uendo alo i di e si pe la componen e […]lnL[…] nell'equazione, man enendo cos an e la componen e […]2k[…]. Secondo S e unko (comunicazione pe sonale), la p a ica di di ide e il c i e io di in o mazione di Akaike pe la dimensione del campione non è nuo a. pe esempio, Has ie e al. (2009) de iniscono in modo non canonico, impiegando N come denomina o e nella o mula. men e ques a de iazione dalla con enzionale o mula di AIC non è senza le sue c i iche, imane un app occio p e alen e, come esempli ica o dalla sua inclusione nel pacche o so wa e s a is ico S a a. Ca i one Ca i onidide 278 Ac aLinguis icaLi huanicaXC L'inse imen o di p edi o i chia e in modelli globali, cioè gene ali, ha mos a o che i empi di decisione lessicale BLP ichiede ano una miglio e bon à di ada amen o ispe o ai empi di decisione lessicale ELP. L'ada amen o dei modelli ELP è cadu o all'in e no dell'in e allo di quelli osse a i pe i modelli di decisione lessicale ELP e BLP. In pa icola e, la conc e ezza del con es o pe il secondo componen e è eme sa come un p edi o e signi ica i o in u i i modelli con equenza SUBTLEX-US, a a e so la decisione lessicale e la denominazione. In Cha i onidis (2024), u i i coe icien i signi ica i i dei modelli globali con equenza SUBTLEX-US sono s a i gius appos i alla a iabile di iponimia (Gagné e al. 2020). È s a o iscon a o che i modelli che includono sia l'iponimia che la conc e ezza del con es o pe le seconde a iabili e ano semp e associa i al alo e scala o cos i uen e più basso ispe o ai modelli nidi ica i, cioè ido i, ome endo uno di ques i due modelli. Tabella 1. Valo i scala i pe i modelli annida i che ome ono l'iponimia ("Modello 2") o la conc e ezza del con es o pe il secondo componen e ("Modello 3") da modelli comple i ("Modello 1"") pe p e ede e i empi di decisione lessicale (LD) del p oge o di lessico inglese (ELP), i empi di decisione lessicale (BLP) e i empi di conc e ezza pe il secondo componen e ("Modello 1"") da modelli comple i ("Modello 2") pe p e ede e i empi di decisione lexical (ELP) e di ecci azione (Waldle) del p oge o di lexicon b i annico (ELP) Modello scala o AIC AIC N ELP LD -3.36281a-3557,85 1058 2-3.30375 -4169.334 1262 3-3.34845 -3700.038 1105 BLPLD -3.79552a-2903.574 765 2-3.76618 -3920.592 1041 3-3.76718 -2987.37 793 denominazione ELP - 1358686b-7396.108 2062 - Ques o è il caso. 2-3.54304 -8418.27 2376 3-3.58379 -7389.784 2062 S aipsniai A icolo 279 Explo ing Scaled AIC wi hin English Closed Compounds SUBTLEX-US equency, ep esen a ion alence(cmp),con ex conc e eness (c2) Tempi di denominazione ELP Modello R2 quad a o F a iazione d 1 d 2 p ELP LD 1.184a47.506 5 1052.000 2-.004 4.562 1 1052 .033 3-.010 13.175 1 1052 .000 BLP LD 1.211a40.479 5 759.000 2-.013 12.091 1 759 .001 3-.015 14.007 1 759 .000 denominazione ELP 1.288b118.711 72054.000 2-.003 8.286 1 2054 .004 3-.003 8.309 1 2054 .004 a. P edic o i: (cons an e), giudizio iponimico, lunghezza del compos o, equenza SUBTLEX-US, alenza di app esen azione (cmp), conc e ezza del con es o (c2) b. P edic o i: (Cons an e), giudizio iponimo, lunghezza del compos o, equenza SUBTLEX-US, alenza di con es o (cmp), ecci azione di con es o (c1), ecci azione di con es o (c2), conc e ezza di con es o (c2) In conclusione, due di e se misu e di dimensione dell'e e o, ale a di e Scaled AIC e la s essa p e e enza pe il modello miglio e. R2,hie a chized hesame eg essionmodelsiden icallywhiledemons a ing Ca i one Ca i onidide 280 Ac a Linguis ica Li uanica XC 4. Lo s udio a uale Il p esen e s udio si basa sulla ice ca p eceden e dell'au o e p esen a a nella sezione 3. I sogge i di ice ca sono 66 modelli di decisione lessicale e di denominazione pe i compos i chiusi (conca ena i) inglesi cos ui i da Gagné e al. (2019). Tu i i modelli includono la equenza SUBTLEX-US come a iabile di con ollo. I nos i obie i i sono duplici e unzionano in pa allelo. In p imo luogo, alu iamo le ca a e is iche dei modelli di Gagné e al. (ibid.). Le domande di ice ca sono le seguen i: 1. L'AIC scala o è sensibile alla p oge azione del modello di Gagné e al. (2019)? Quali g uppi di modelli sono a o i i? 2. Qual è l'impa o delle a iabili di con ollo " equenza compos a" e "lunghezza compos a" sull'AIC scala o? 3. In che modo la aspa enza mo ologica è co ela a all'AIC a scala? La nos a ice ca è s u u a a come segue: la sezione 5 o nisce una pano amica dei nos i me odi; la sezione 6.1 o nisce s a is iche desc i i e pe l'AIC scala o i e endosi ai modelli in esame; l'accen o è pos o sulle ca a e is iche pa ame iche e non pa ame iche delle ca ego ie di modelli; la sezione 7.2 esplo a la elazione a la on e dei empi di ispos a e i compi i di elabo azione lessicale; la sezione 6.3 gius appone l'AIC scala o alle a iabili di con ollo " equenza compos a" e "lunghezza compos a". 5. Me odi Il nos o me odo gene ale è s a o l'analisi compa a i a dei p incipali pa ame i e ca a e is iche dei modelli di Gagné e al. (2019), u ilizzando le a iabili scala e come a iabile dipenden e.Le a iabili indipenden i includono le ca a e is iche del campione (ad esempio, la on e del empo di ispos a e le a i i à di elabo azione lessicale), il design dello s udio (ad esempio, il con ollo) e il li ello di signi ica i i à dei coe icien i di aspa enza, a gli al i a o i. I me odi s a is ici speci ici impiega i sono s a i i seguen i: a) s a is iche desc i i e ela i e alle medie e alle mediane, insieme all'applicazione del es Shapi o-Wilk pe alu a e la endenza cen ale, la a iabili à e la dis ibuzione degli e e i di Scaled a di e se ca ego ie e g uppi di modelli (sezione 6.1 e 6.2), b) analisi p incipali condo e pe la on e dei empi di ispos a (ELP/BLP) e i compi i di elabo azione lessicale (discussione lessicale) (sezione AIC) S aipsniai A icoli 281 e 282 Explo ing Scaled AIC wi hin English Closed Compounds 6. c) ANOVA dis in e esegui e sulla on e del empo di ispos a e sui compi i di elabo azione lessicale, inco po ando la lunghezza compos a come co a ia a (sezione 6.3), e d) u ilizzo dei es di aspa enza seman ica K uskal-Wallis e Jonckhee e-Te ps a (sezione 6.4). o explo e di e ences among he anks o  o dinally- ecodedcoe icien s o  6. Analisi 6.1 Classi icazione dell'AIC in scala ispe o alle ca ego ie di modelli I 66 alo i dell'AIC dei modelli di eg essione mul ipla 2 di Gagné e al. (2019) mos ano il 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 a ico a sca ola co isponden e che si i e isce all'insieme o dina o di alo i.10 Non ci sono s a i alo i anomali nel campione. I alo i di inclinazione (Sk) e di ku osis (Ku) sono s a i olle abili.11 Il alo e medio pe l'AIC scala o è s a o -3.50030. La de iazione s anda d è s a a di 0,19052, cioè le osse azioni sono s a e ela i amen e s e amen e agg uppa e in o no alla media. I alo i minimi e massimi sono s a i -3.85502 e -3.15754, ispe i amen e. Il alo e mediano è s a o -3.553, cioè legge men e in e io e al alo e medio. (IQR) e a di 0,35616. 10 La linea del qua ile in e io e o p imo della sca ola (Q1) segna il con ine al di so o del quale si es ende il 25% in e io e dei da i. Allo s esso modo, la linea del qua ile supe io e o e zo della sca ola (Q3) segna il 50% medio dei bounda yabo ewhich heuppe 25%o  heda aex ends.Theshadeda eashows hebounda ies da i o l'in e allo in e qua ile (IQR), che può esse e calcola o so aendo 114. In i e imen o all'ambien e SPSS, i 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 . alo i a -1 e +1 pe la dis o sione e a -2 e +2 pe la cu osis sono gene almen e conside a i acce abili pe la alu azione della dis ibuzione no male. Wha _is_ he_accep able_ ange_o _skewness_and_ku osis_ o _no mal_dis ibu ion_o _da a). Ca i one Ca i onidide Pe ile a e l'in luenza della lunghezza del compos o e della equenza del compos o sull'AIC scala o, i ispe i i coe icien i di eg essione sono s a i icodi ica i in alo i o dinali in base al lo o li ello di posi i i à e signi ica i i à, edi abella 6. TABELLA 6. Diag amma di icodi ica o dinale pe i coe icien i di eg essione Signi icanza Posi i i à Valo i o dinali Desc izione p <.05001 nega i o -3 g ande e e o nega i o p <.0501 nega i o -2 mode a o e e o nega i o p <.0505 nega i o piccolo e e o nega i o p <.0501 nega i o 0 e e o non signi ica i o p <.0501 posi i o 1 piccolo e e o posi i o p <.0501 posi i o 2mode a o e e o posi i o p <.001 posi i o 3g ande e e o posi i o In modelli di Gagné e al. (2019) la equenza di SUBTLEX-US è s a a semp e associa a a coe icien i nega i i con un g ande e e o, p < Sc.001. Pe quan o igua da la lunghezza compos a, u i i coe icien i di eg essione signi ica i i dei modelli di Gagné e al. (2019) hanno a u o un g ande e e o posi i o (induzione della la enza), p <.001 In con as o con la a iabile SUBTLEX-US, sono appa si di e si coe icien i non signi ica i i. La lunghezza compos a è s a a inclusa come una singola a iabile indipenden e in un modello di eg essione linea e. È s a o iscon a o che la media scala a AIC p e is a pe nessuna in e e enza della lunghezza compos a e a 3,611 (= l'in e ce o). L'in e e enza della lunghezza compos a ha po a o a un alo e più al o di -3.407 (= b = 204, p. 001). S aipsniai A icoli 289 Explo ing Scaled AIC wi hin English Closed Compounds FIGURA 6. Lunghezza compos a e AIC scala a Abbiamo condo o ANOVA sepa a e pe la on e del empo di ispos a (ELP/BLP) e le p es azioni del compi o (decisione lessicale/nominazione), p endendo in conside azione la lunghezza compos a come co a ia a. (a) ANOVA pe la on e del empo di ispos a. BLP è s a o assegna o il alo e […]0[…] e ELP è s a o assegna o il alo e […]1[…]. Il es di co elazione di Pea son ha i ela o una o e collinea i à a la on e del empo di ispos a e la lunghezza del compos o, = 1 (N = 39). (b) ANOVA pe le p es azioni del compi o. La denominazione è s a a assegna a al alo e […]0[…] e la decisione lessicale è s a a assegna a al alo e […]1[…]. Il es di co elazione di Pea son ha i ela o una co elazione nega i a a la lunghezza del compi o e la lunghezza del compos o, indicando un e e o mode a o, = -.5, p =.001 (N = 39). Ques o isul a o sugge isce che la lunghezza del compos o è più ile an e pe la denominazione che pe la decisione lessicale. 17 Va no a o che 11 dei 13 coe icien i BLP e ano nega i i. Ca i one Ca i onidide Ac a Linguis ica Li uanica XC Quando si conside a a il compi o come a iabile p ima ia, la lunghezza compos a e a una lunghezza compos a conside a a come a iabile p ima ia, il signi ican p edic o o ScaledAIC,F(1,145.030),p=.000.Simila ly,when compi o e a un p edi o e signi ica i o di Scaled AIC, F (1, 125.30), p = 000. La media scala a p e edu a pe il solo compi o e a signi ica i amen e di e sa dalla media scala a p e edu a quando si p ende a in conside azione la lunghezza compos a (3,584 s. 3,203, ispe i amen e). Ques a sezione indaga l'e e o dei coe icien i di eg essione pe la seman ica sui e li elli mo ologici, cioè compos o, p imo cos i uen e e secondo cos i uen e. La abella 7 seguen e mos a le mediane e gli in e alli dei coe icien i di aspa enza as o ma i o dina iamen e pe u i e e i li elli mo ologici. Le mediane o niscono in o mazioni u ili sulla endenza cen ale e sulla dispe sione dei alo i o dinali e 6.4. ScaledAIC s. anspa encyno ms possono aiu a e a in o ma e le analisi basa e su a iabili o dinali. TABELLA 7. Coe icien i di 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  aspa enza as o ma i o dina iamen e: mediane e in e alli Minimo massimo mediano Compos o -3-3-1 P imo componen e 2-3 3 Secondo componen e 0 -2 3 N = 18 Come si può ede e, la mediana pe il compos o e a […]-3[…], la mediana pe il p imo componen e e a […]2[…], e la mediana pe il secondo componen e e a […]0[…]. Ques i isul a i sugge iscono che nei modelli di Gagné e al. Jay con equenza SUBTLEX-US, la aspa enza pe il compos o e a associa a a un g ande e e o nega i o ( empi di ispos a più b e i), la aspa enza pe il p imo componen e e a associa a a un e e o posi i o mode a o ( empi di ispos a più lunghi) e la aspa enza pe il secondo componen e non a e a un e e o signi ica i o o a e a un uolo ince o. Pe quan o igua da l'analisi da segui e, si pos ula che i modelli che p esen ano alo i di S aipsniai A icoli 291 e 291 Explo ing Scaled AIC wi hin English Closed Compounds scala più ele a i (in e io i) possano possede e coe icien i signi ica i i, de i a i sis ema icamen e, cioè coe icien i che sono ile an i solo in base al se di da i LADEC. In ques o con es o, la nos a conge u a sugge isce che po ebbe eme ge e una endenza con as an e nella connessione a aspa enza e AIC scala a, ispe o all'indicazione o ni a dalle mediane nella abella 7. In pa icola e, i alo i AIC scala i più bassi (miglio i) possono esse e associa i a coe icien i posi i i ( empi di ispos a più lunghi) pe l'in e o compos o, a coe icien i nega i i ( empi di ispos a più b e i) pe il p imo componen e e a coe icien i heinhe en biaso  hesecondcons i uen .18 posi i i o nega i i ( empi di ispos a ispe i amen e più lunghi o più b e i) pe il secondo componen e. Pe isponde e alla domanda di ice ca, sa anno impiega e due misu e non pa ame iche, o e o il es di K uskal-Wallis e il es di Jonckhee e-Te ps a. Il es di K uskal-Wallis, no o anche come " es H", è un es non pa ame ico basa o su 18 In Cha i onidis (2024) si sos iene che sia l'iponimia che la conc e ezza del con es o pe il secondo componen e sono p edi o i seman ici signi ica i i nella decisione lessicale e nella denominazione. Ca i one Ca i onidide 292 Ac a Linguis ica Li uanica XC la dis ibuzione chi-quad a a. Richiede che la a iabile dipenden e sia o dinale o con inua. Ques o es è p oge a o pe de e mina e se ci sono di e enze signi ica i e a le mediane di due o più g uppi ed è u ilizza o come al e na i a all'ANOVA unidi ezionale. Pe quan o igua da la p ocedu a, i alo i della a iabile dipenden e con inua, cioè la scala AIC, sono s a i o dina i dal più basso al più al o e i pun eggi sono s a i assegna i anghi. I anghi isul an i sono s a i inse i i di nuo o nei g uppi di li ello di signi ica i i à (la a iabile indipenden e) e i anghi sono s a i somma i. amongo he s,squa ing hesumo  anks o eachg oupand hendi iding his TABELLA 8. Compos o Signi icancele els N Sumo Ranks Scala o 1 […] piccolo AIC e e o nega i o 1 2 2 […] e e o nega i o mode a o 5 46 3 g ande e e o nega i o 12 123 To ale di 18 TABLE9.Fi s cons i uen Signi icancele els N Sumo Ranks Scaled AIC 1–la geposi i ee ec 6 59 2 […] e e o posi i o mode a o 4 34 3 […] piccolo e e o posi i o 1 3 4 […] nessun e e o 1 2 5 […] piccolo e e o nega i o 1 10 6 […] e e o nega i o mode a o 1 11 7 g ande e e o nega i o 452 To ale di 18 19 Pe il es o dei calcoli c . Field (2009: 561-562). 20 In u e e e le abelle, la somma o ale dei anghi è di ci ca 171. È uguale alla somma degli in e i da 1 a 18, edi dimensione del campione (N). S aipsniai A icoli 293 Explo ing Scaled AIC wi hin English Closed Compounds TABELLA 10. Secondo componen e Signi icancele els N Sumo Ranks Scaled AIC 1–la geposi i ee ec 6 59 2 […] piccolo e e o posi i o 1 14 3 […] nessun e e o 8 59 4 […] piccolo e e o nega i o 1 18 5–mode a enega i ee ec 221 To ale di 18 P ima di app o ondi e i isul a i del es di K uskal-Wallis (H), è impo an e no a e che ques o es non o nisce in o mazioni sulle di e enze speci iche a i singoli g uppi. pe a on a e ques o p oblema, è s a o inol e u ilizza o il es di Jonckhee e-Te ps a (JT). ques o es ha o ni o in o mazioni sul a o che le mediane dei g uppi siano aumen a e o diminui e nell'o dine speci ica o dalla a iabile di codi ica (g uppo), in pa icola e da un g ande e e o posi i o a un g ande e e o nega i o. (a) L'AIC scala o pe il compos o non è s a o signi ica i amen e in luenza o dal li ello di signi ica i i à, come de e mina o dal es di K uskal-Wallis (H (2) = 2,226 p > 0,05). 1,064, p. 05). (b) L'AIC scala o (6) pe il p imo componen e non è s a o signi ica i amen e in luenza o dal li ello di signi ica i i à, come de e mina o dal es di K uskal-Wallis (H = 5,427, p > 0,05). (c) L'AIC scala o pe il secondo componen e non è s a o signi ica i amen e in luenza o dal li ello di signi ica i i à, come de e mina o dal es di K uskal-Wallis (H (4) = 4.607, p > 0.05). Ca i one Ca i onidide 294 Ac aLinguis icaLi huanicaXC In pa icola e, la s a is ica z del es Jonckhee e-Te ps a e a essenzialmen e ze o, in con o mi à con la mediana ze o pe il secondo componen e nella abella 7 (JT = 54, z = 0,041, p > 0,05). Riassumendo, si può dedu e che il li ello di signi ica i i à dei coe icien i di aspa enza nei modelli di Gagné e al. (2019) con equenza SUBTLEX-US non in luisce sulla g andezza di Scaled. alo i AIC. Pe ga an i e la chia ezza e la comple ezza nella p esen azione dei isul a i della nos a ice ca, abbiamo inco po a o una sezione dedica a incen a a sulla sin esi dei isul a i chia e del nos o s udio. 7. Risul a i chia e 11 di segui o p esen a un'analisi comple a delle p es azioni del modello e delle a iabili pe inen i nel con es o delle decisioni lessicali e dei compi i di denominazione, basa a sui isul a i di Gagné e al. Tabella. Ciascuna sezione della abella app o ondisce a gomen i speci ici, i elando quali modelli sono più e icaci. I es ANOVA e K uskal-Wallis/Jonckhee e-Te ps a (sezioni 6.3 e 6.4) sono s a i applica i dopo a e assegna o coe icien i nominali (o dinali o ca ego ici) ai modelli di eg essione di Gagné e al. (2019). TABELLA 11. AIC scala o all'in e no dei compos i chiusi inglesi: analisi comple a delle p es azioni del modello nelle a i i à di decisione lessicale e di denominazione (Gagné e al. 2019) Subjec s S a is ics E alua ion Sec ion Ca ego ie di modelli Tes di no mali à Desc izioni ELP BLP decisione lessicale denominazione ELP decisione lessicale NPAR/~ PAR […] PAR […] 6.1 Tempo di ispos a ELP ~ on e Nominazione ask E e i p incipali decisione lessicale dell'ELP di decisione lessicale BLP elabo azione lessicale […]6.2 S aipsniai A icoli 295 e 295 Explo ing Scaled AIC wi hin English Closed Compounds Subjec s S a is ics E alua ion Sec ion Va iabili di con ollo ANOVA F equenza compos a Lunghezza del compos o ✓ ~ 6.3 Seman ica NOF/ns K uskal-Wall- aspa enza Te ps a is P imo Jonckhee e-- Compou- componen e Secondo nd NOF/ns componen e NOF/ns 6.4 PAR: da i pa ame ici | NPAR: da i non pa ame ici | : modelli miglio i (AIC più basso) ~: modelli in e io i (AIC più al o) | NOF/ns: nessuna p o a di so apposizione/non signi ica i a 8. Discussione La ice ca p eceden e di Cha i onidis (2022, 24) ha dimos a o che Scaled AIC è una misu a a idabile della bon à dell'ada amen o che può esse e impiega a nella selezione del modello, o se in collabo azione con al e misu e come il es Wald (c . sezione 2023) con i e imen o ai modelli di eg essione mul ipla con equenza SUBTLEX-US. Tu a ia, la p esen e analisi ha in odo o p op ie à aggiun i e della misu a Scaled AIC. in o ma ionc i e ia(seesec ion2), he indingso  hiss udysugges  ha in P ima di p ocede e ai isul a i p ima i di ques o documen o, è impo an e no a e che le add ess he esea chques ionsse upinsec ion4. dis ibuzioni dei alo i di scalabili à AIC, insieme alle combinazioni di di e se on i di empi di ispos a e compi i di elabo azione, sugge iscono che la scalabili à AIC iden i ica e icacemen e la p esenza o l'assenza di a o i so os an i ben de ini i nella p oge azione spe imen ale e nella modellazione s a is ica. La equenza compos a è s a a eccezionalmen e un p edi o e nega i o dell'AIC scala o, indicando semp e un g ande e e o. Ca i one Ca i onidide 296 Ac a Linguis ica Li huanica XC co elazioni posi i e signi ica i e con la lunghezza compos a che p e edono alo i AIC scala i più al i (=in e io i). La decisione lessicale BLP ha cos an emen e mos a o co elazioni non signi ica i e con la lunghezza compos a. Sia la decisione lessicale che la lunghezza compos a hanno p ede o modelli in e io i nell'aggius amen o co a ia o. La posi i i à e il li ello di signi ica i i à dei coe icien i di aspa enza nei modelli di Gagné e al. (2019) non hanno in luenza o la g andezza di Scaled AIC. Ques a scope a implica che i modelli di Gagné e al. (2019) con p edi o i di aspa enza non in oducono p egiudizi di so apposizione. Ri e endosi a sezioni speci iche delle analisi, i isul a i p ima i di ques o s udio possono esse e iassun i come segue: nella sezione 6.1, la nos a analisi si è concen a a sul con on o a i alo i Scaled in a ie ca ego ie di modelli. Anche dopo a e en a o le as o mazioni "loga i mo na u ale" e " adice quad a a" sui alo i assolu i, il campione complessi o Scaled non e a con o me a una dis ibuzione no male. Nella sezione 6.2, il nos o obie i o si è spos a o e so l'esame della elazione a l'AIC scala o e (a) le on i dei empi di ispos a e (b) le p es azioni delle a i i à.Cu iosamen e, le gamme di alo i dell'AIC scala o pe i modelli di decisione lessicale ELP e BLP non si so appongono, signi icando la lo o dis in i i à.I isul a i dei es hanno i ela o e e i p incipali signi ica i i sia della on e di empo di ispos a che delle p es azioni delle a i i à sull'AIC scala a. Nella sezione 6.3, la nos a esplo azione ha app o ondi o la elazione a Scaled AIC e le a iabili di con ollo " equenza compos a" e "lunghezza compos a". La equenza compos a è s a a esclusa dall'analisi pe ché e a pe e amen e collinea e con Scaled. D'al a pa e, è s a o osse a o un declino dei alo i Scaled quando la lunghezza compos a è di en a a un a o e ile an e all'in e no dei modelli. Concomi an ly,compoundleng hwasmos  ele an  o  henaming ask. Nella sezione 6.4, la nos a a enzione è s a a pos a sulla elazione a l'AIC scala o e il li ello andseman ic anspa ency.The esea chques ionwaswhe he  heposi i i y di signi ica i i à dei coe icien i di aspa enza nei modelli di Gagné e al. (2019) che hanno a u o un impa o sull'AIC scala o. L'obie i o p incipale del nos o me odo e a quello di ile a e po enziali e e i di so apposizione. Abbiamo pos ula o che i modelli con alo i scala i in e io i po ebbe o possede e coe icien i signi ica i i che de engono la ile anza S aipsniai A icoli 297 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  del li ello compos o […] allineandosi con la nos a ipo esi di so apposizione […]. In conclusione, l'esplo azione di di e si pa ame i u ilizzando Scaled AIC come a iabile dipenden e ha illumina o i di e si modi in cui le ca ego ie di modelli, la on e del empo di ispos a, le a i i à di elabo azione, le a iabili di con ollo e la aspa enza seman ica in luenzano la bon à dell'ada amen o dei modelli. 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.