Notice bibliographique
Résumé
Word-form speech errors are assumed to adapt to the unintended environment. For example, in the error ‘bads cat’ for intended ‘bad cats,’ the plural marker ‘s’ assimilates to the voicing of the ‘d’ in ‘bad.’ This phenomenon, called accommodation, provides evidence that the component responsible for errors is processed before the phonological assimilation component. Previous work on accommodation relies on the researcher to detect accommodation [D. Boomer and J. Laver, Br. J. Disord. Commun. 3, 1–12 (1968)]. Given that these studies are prone to perceptual bias, the conclusion that accommodation is the norm remains open. An acoustic analysis of errors was conducted to re-address this question. Thirty-two nonword tongue twisters, e.g., ‘tiff tivv tivv tiff,’ were designed to induce voicing errors on the coda. Because vowel lengthening before voiced codas is a phonological process in English, vowel length can be measured to detect accommodation. Errors were determined for each participant by measuring coda percent voicing and vowel duration in a control condition. Results from six participants (872 errors) show that while errors do accommodate (7.6%), nonaccommodation (40.7%) occurs more frequently. This result shows that errors do occur after phonological processing. [Work supported by OGS and Carleton University.]
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 | 0,001 | 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 | 0,002 | 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 ».