Smiled speech in a context-invariant model of coarticulation
Notice bibliographique
Résumé
Smiling during speech requires concurrent and often conflicting demands on the articulators. Thus, speaking while smiling may be modeled as a type of coarticulation. This study explores whether a context-invariant or a context-sensitive model of coarticulation better accounts for the variation seen in smiled versus neutral speech. While context-sensitive models assume some mechanism for planning of coarticulatory interactions [see Munhall et al., 2000, Lab Phon. V, 9–28], the simplest context-invariant models treat coarticulation as superposition [e.g., Joos, 1948, Language 24, 5–136]. In such a model, the intrinsic biomechanics of the body have been argued to account for many of the complex kinematic interactions associated with coarticulation [Gick et al., 2013, POMA 19, 060207]. Largely following the methods described in Fagel [2010, Dev. Multimod. Interf. 5967, 294–303], we examine articulatory variation in smiled versus neutral speech to test whether the local interactions of smiling and speech can be resolved in a context-invariant superposition model. Production results will be modeled using the ArtiSynth simulation platform (www.artisynth.org). Implications for theories of coarticulation will be discussed. [Research funded by NSERC.]
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».