MétaCan
Menu
← Retour à la cohorte
Enregistrement W2023493013 · doi:10.1121/1.2932877

Lip protrusion and constriction in anticipation in English and French

2008· article· en· W2023493013 sur OpenAlexaffabout
Aude Noiray, Lucie Ménard, Marie-Agnès Cathiard, Christian Abry

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2008
Typearticle
Langueen
DomainePsychology
ThématiquePhonetics and Phonology Research
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésCoarticulationConstrictionAnticipation (artificial intelligence)Movement (music)PsychologySecondary constrictionRoundingAudiologyMathematicsAcousticsSpeech recognitionVowelComputer sciencePhysicsMedicineArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Though lip constriction is acoustically the most robust parameter for rounding, most studies on anticipatory coarticulation relied on the investigation of protrusion via EMG, optoelectrical systems or audiovisual processing. These various methods produced inconsistent anticipatory profiles across studies or even speakers. The Movement Expansion Model (MEM) of Abry and Lallouache has explained vocalic anticipatory coarticulation in four French adults and eight children via lip constriction, showing idiosyncratic behaviours, i.e. personal regression slopes but with a lawful variability validated by high correlation coefficients. In order to describe global anticipatory movement, the current study included measures of both protrusion and constriction over time. Four American English and four Canadian French adults were audio visually recorded, uttering [iC[n]u] sequences, in which C[n] corresponded to a varying number of intervocalic consonants. Lip protrusion was measured via an Optotrak system, and constriction via a Lip-Shape Tracker (from ICP Grenoble). We found that when tested on lip area control, English speakers joined French speakers in a regular MEM temporal pattern, displaying their own anticipatory behaviour, with personal regression slope or expansion coefficient.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,026
Tête enseignante GPT0,311
Écart entre enseignants0,284 · 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

Citations0
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of the Acoustical Society of America→Même sujetPhonetics and Phonology Research→Travaux en français237 207→