Anglų kalbos uždarųjų junginių (sudurtinių žodžių) skalės AIC tyrimas

Anotacija

Akaikės informacijos kriterijus (angl. AIC) yra pastovus modelių tinkamumo matas, taikomas empirinių duomenų analizei. Tačiau AIC yra jautrus imties dydžiui. Ankstesni autoriaus tyrimai parodė, kad skalės AIC, padalytas iš imties dydžio, yra veiksminga priemonė modelio tinkamumui įvertinti ir regresijos modeliams hierarchizuoti. Šiame tyrime nagrinėjamos tolimesnės šio kintamojo ypatybės. Tyrimo objektas – 66 daugialypės regresijos modeliai, susiję su uždarųjų (sudurtinių) anglų kalbos junginių, paimtų iš Gagné’ės ir kitų (2019) Anglų kalbos sudurtinių žodžių (junginių) didžiosios duomenų bazės (angl. LADEC), apdorojimu. Pirmiausia AIC sugretinamas su Anglų kalbos žodyno projektu (angl. ELP) ir Britų kalbos žodyno projektu (angl. BLP), kaip atsako laiko, leksinių sprendimų ir įvardijimo užduočių, junginių ilgio ir skaidrumo normų šaltiniai. Naudojami metodai – vienpusė ANOVA (angl. Analysis of variance), pagrindinių rezultatų analizė ir neparametriniai testai. Išvados rodo, kad skalės AIC reaguoja į eksperimentinį projektą, atsako laiko šaltinį ir leksinių sprendimų bei įvardijimo užduotis. Tuo pačiu šio tyrimo rezultatai suteikia empirinį pagrindą Gagné’ės ir kitų (2019) taikomų metodų patvirtinimui.