Predictability effects on vowel realization in spontaneous speech
Notice bibliographique
Résumé
Previous research on vowel realizations within the formant space has found effects for lexical factors such as word frequency in both laboratory settings (Wright, 2004; Munson & Solomon, 2004; and others) and in spontaneous speech (Gahl, Yao, & Johnson, 2012). In addition to lexical factors, semantic context has also been found to influence vowel realizations in laboratory settings, such as emphatic/non-emphatic contexts (Fox & Jacewicz, 2009) and whether a word is predictable from the preceding words (Clopper & Pierrehumbert, 2008). The current project looks at whether effects on vowel realization for semantic context from the laboratory can be extended to spontaneous speech. As in Gahl, Yao, and Johnson (2012), the Buckeye Corpus (Pitt et al., 2007) will be used, with the same predictors used there with the addition of a semantic predictability measure. Semantic predictability for a given word will be calculated based on relatedness of that word to words five seconds before the word or less, where relatedness will be calculated based on WordNet (Princeton University, accessed 2012). As a listener can rely more on context for disambiguation, words that are predictable from their preceding context are hypothesized to contain less distinct vowels than words that are not predictable from context.
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 | 0,001 |
| 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 | 0,001 | 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 ».