Manipulating phonological boundaries using distributional cues
Notice bibliographique
Résumé
This study investigates the role of phonetic variability in category formation. The category boundary between /n/ and /m/ was manipulated in English-speaking adults. In Experiment 1 (n = 24), categories were indicated by lexical (novel word-object pairings) and distributional (within-category variability, category mean) information. During pre- and post-tests, listeners categorized stimuli from a 10-step re-synthesized continuum from “nado” to “mado.” During training participants heard a bimodal distribution of tokens with one mode spanning 7 steps (wide) and one spanning 3 (narrow). For half the participants the wide category was “nado” and for the other half it was “mado.” During training, tokens from each category were paired with different objects (socks or balls). A repeated-measures ANOVA showed that after training, categorization shifted toward the wide distribution [F(1,22) = 10.259,p < 0.01] and more so for ambiguous steps [F(9,198) = 5.283, p < 0.001]. In Experiment 2 (n = 12), auditory information was identical to experiment 1, but lexical information about the categories was removed (all training tokens referred to the same object). Listeners again shifted categorization toward the wide distribution [F(1,10) = 7.686, p < 0.05], indicating that distributional information alone was sufficient to change categorization behavior.
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 | 0,005 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».