Magnitude of phonetic distinction predicts success at early word learning in native and non-native accents
Notice bibliographique
Résumé
Although infants perceptually attune to native vowels and consonants well before 12 months, at 13-15 months, they have difficulty learning to associate novel words that differ by their initial consonant (e.g., BIN and DIN) to their visual referents. However, this difficulty may not apply to all minimal pair novel words. While Canadian English (CE) 15-month-olds failed to respond to a switch from the newly learned word DEET to the novel non-word DOOT, they did notice a switch from DEET to DIT (Curtin et al., 2009). Those authors argued that early word learners capitalize on large phonetic differences, seen in CE DEET-DIT, but not on smaller phonetic differences, as in CE DEET-DOOT. To assess this hypothesis, we tested Australian English (AusE) 15-month-olds, as AusE has a smaller magnitude of phonetic difference in both novel word pairs. Two groups of infants were trained on the novel word DEET and tested on the vowel switches in DIT and DOOT, produced by an AusE female speaker or the same CE female speaker as in Curtin et al. (2009). If the size of the phonetic distinction plays a more central role than native accent experience in early word learning, AusE children should more easily recognize both of the unfamiliar but larger CE vowel switches than the more familiar but smaller AusE ones. The results support our phonetic-magnitude hypothesis: AusE children taught and tested with the CE-accented novel words looked longer to both of the switch test trials (DIT, DOOT) than same test trials (DEET), while those who heard the AusE-accented tokens did not notice either switch. Implications of our findings for models of early word learning 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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».