Speech segmentation in monolingual and bilingual infant learners of Canadian English and Canadian French
Notice bibliographique
Résumé
Speech segmentation skills emerging in infancy are influenced by the infant's native language. English infants favor a stress-based strategy (Jusczyk et al., 1999) whereas French infants favor a syllable-based strategy (Nazzi et al., 2006). Cross-linguistic findings from our lab, based on between group comparisons, show that monolingual 8-month-olds learning either Canadian English or Canadian French segment bisyllabic words in their native language but not in a rhythmically-different non-native language. Canadian French infants fail to segment Canadian English; Canadian English infants fail to segment Canadian French. Bilingual infants (exposed to both languages) were tested in each language on separate days. Although they appear to segment in both languages, attrition has high in the second test session. To assess cross-language segmentation more directly we tested monolingual and bilingual 8-month-olds using a task designed to assess segmentation in both languages in the same infant within a single test session. Findings confirm that monolingual 8-month-olds fail to segment bisyllabic words in a rhythmically-different non-native language. Preliminary data show that bilingual 8-month-olds segment only in the language that is favored in their language input. Thus, in early stages of speech processing all infants appear to develop speech segmentation strategies that are optimal for one language.
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 | 0,000 | 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 | 0,000 | 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 ».