Frequency factor in the segmentation of function words in French-learning infants
Notice bibliographique
Résumé
Previous work showed that 8-month-old French-learning infants segment both highly and moderately frequent function words from continuous speech [Shi and Gauthier, J. Acoust. Soc. Am. 117, 2426 (2005)]. In the present study we examine if high-frequency function words are segmented by even younger infants. Participants were 6-month-old Quebec-French-learning infants. As in the previous study, infants in the high-frequency condition were familiarized with a target functor (des or la) and were then tested with phrases containing the target versus those containing the nontarget. Thus, for infants familiarized to la, la-phrases were the target phrases and des-phrases were the nontarget phrases during Test. The reverse was the case when des was the familiarization target. The lower-frequency condition included a target functor mes versus ta (prosodically analogous to the functors in the high-frequency condition). The results show that 6-month-olds listened significantly longer to phrases containing the familiarized target than those containing the nontarget during Test, suggesting that they segmented the target. No difference was observed in the lower-frequency condition. Thus, while 8-month-olds segmented both high- and lower-frequency functors [Shi and Gauthier, J. Acoust. Soc. Am. 117, 2426 (2005)], 6-month-olds showed evidence of segmentation only for high-frequency functors. These findings suggest that frequency is a determining factor in the development of the segmentation of function words.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».