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.