MétaCan
Menu
Retour à la cohorte
Enregistrement W1993261847 · doi:10.1075/gest.9.3.03ger

The relationship between verbal and gestural contributions in conversation

2009· article· en· W1993261847 sur OpenAlexafffund
Jennifer Gerwing, Meredith Allison

Notice bibliographique

RevueGesture · 2009
Typearticle
Langueen
DomainePsychology
ThématiqueHearing Impairment and Communication
Établissements canadiensUniversity of Victoria
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésGestureDeixisRedundancy (engineering)Natural language processingPsychologyComputer scienceConversationFeature (linguistics)LinguisticsCommunicationSpeech recognitionArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Gestures and their concurrent words are often said to be meaningfully related and co-expressive. Research has shown that gestures and words are each particularly suited to conveying different kinds of information. In this paper, we describe and compare three methods for investigating the relationship between gestures and words: (1) an analysis of deictic expressions referring to gestures, (2) an analysis of the redundancy between information presented in words vs. in gestures, and (3) an analysis of the semantic features represented in words and gestures. We also apply each of these three methods to one set of data, in which 22 pairs of participants used words and gestures to design the layout of an apartment. Each of the three analyses revealed a different picture of the complementary relationship between gesture and speech. According to the deictic analysis, participant speakers marked only a quarter of their gestures as providing essential information that was missing from the speech, but the redundancy analysis indicated that almost all gestures contributed information that was not in the words. The semantic feature analysis showed that participants conveyed spatial information in their gestures more often than in their words. A follow-up analysis showed that participants contributed categorical information (i.e., the name of each room) in their words. Of the three methods, the semantic feature analysis yielded the most complex picture of the data, and it served to generate additional analyses. We conclude that although analyses of deictic expressions and redundancy are useful for characterizing gesture use in differing conditions, the semantic feature method is best for exploring the complementary, semantic relationship between gesture and speech.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,036
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,036
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,003
Science ouverte0,0000,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,041
Tête enseignante GPT0,359
Écart entre enseignants0,317 · 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 source (Gemma direct ou Codex distillé), 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

Citations24
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGestureMême sujetHearing Impairment and CommunicationTravaux en français237 207