Asymmetries in vowel perception: Effects of formant convergence and category “goodness”
Notice bibliographique
Résumé
The mechanisms underlying directional asymmetries in vowel perception have been the subject of considerable debate. One account—the Natural Referent Vowel (NRV) framework—suggests that asymmetries reflect a language-universal perceptual bias, such that listeners are predisposed to attend to vowels with greater formant convergence (Polka & Bohn, 2011). A second (but not mutually exclusive) account—the Native Language Magnet (NLM) theory—suggests that asymmetries reflect an experience-dependent language-specific bias favoring “good” exemplars of native language vowel categories (Kuhl, 1993). We tested the above hypotheses by investigating whether listeners, from different language backgrounds, display asymmetries influenced by formant proximity and/or language experience. Specifically, we examined monolingual English and French listeners’ performance in a within-category AX vowel discrimination task, using variants of /u/ that systematically differed in both their degree of formant proximity (between F1 and F2) and category “goodness” judgments. Results revealed asymmetries that pattern as predicted by NRV when pairs of /u/ tokens exhibited a relatively larger difference in their F1-F2 convergence patterns, and as predicted by NLM when the pairs of /u/ tokens exhibited a relatively smaller difference in their F1-F2 convergence patterns. These findings suggest that language-universal perceptual biases and specific language experience interact to shape vowel perception.
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 | 0,001 | 0,004 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».