MétaCan
Menu
Retour à la cohorte
Enregistrement W1978835705 · doi:10.1075/ml.2.2.04pex

Cross-modal repetition priming with homophones provides clues about representation in the word recognition system

2007· article· en· W1978835705 sur OpenAlexaff
Penny M. Pexman, Stephen J. Lupker, Yasushi Hino

Notice bibliographique

RevueThe Mental Lexicon · 2007
Typearticle
Langueen
DomainePsychology
ThématiqueReading and Literacy Development
Établissements canadiensWestern UniversityUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésHomophonePriming (agriculture)Repetition (rhetorical device)Repetition primingWord lists by frequencyPhonologySpellingComputer scienceSpeech recognitionPsychologyCognitive psychologyLinguisticsArtificial intelligenceLexical decision taskNeuroscienceCognition

Résumé

récupéré en direct d'OpenAlex

In three experiments, we assessed the impact of auditory homophone primes (/swi:t/) on lexical decisions to visually presented low-frequency ( suite ) and high-frequency ( sweet ) homophone spellings. In Experiment 1 we investigated the time course of these cross-modal repetition priming effects. Results suggested that low-frequency homophone spellings do not reach the same activation level as nonhomophones, even at long SOAs. There were no differences in priming between high-frequency homophones and nonhomophones. In Experiments 2 and 3 we attempted to eliminate the impact of strategies with lower proportions of repetition primes. Results showed smaller priming effects for both low- and high-frequency homophones than for nonhomophones, suggesting that neither homophone spelling is fully activated. Implications for local and distributed models of word recognition are discussed.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,737
Score d'incertitude au seuil0,311

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,340
Écart entre enseignants0,306 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Mental LexiconMême sujetReading and Literacy DevelopmentTravaux en français237 207