Kick the Ball or Kicked the Ball? Perception of the Past Morpheme <i>–ed</i> by Second Language Learners
Notice bibliographique
Résumé
Abstract: Explanations for the well-documented second language (L2) learning challenge of the English regular past include verb semantics (Bardovi-Harlig, 2000), phonetic properties (Goad, White, & Steele, 2003), and frequency factors (Collins, Trofimovich, White, Cardoso, & Horst, 2009). Difficulty perceiving past-tense morphology (i.e., hearing –ed in the input) has received less research attention. In this study, we explored the roles of three perceptual factors (phonological environment, speech rate, semantic clues) among 106 L2 learners and 81 English speakers of a similar age. Experiment 1 was a forced-choice auditory identification task contrasting perceptually ‘easy’ ([əd] + vowel) and ‘hard’ ([t] or [d] + consonant) regular past contexts at normal conversational speed. Experiment 2 contrasted easy and hard contexts at a slowed-down speech rate. Experiment 3 included time adverbials that matched or mismatched the tense marker (e.g., walked the dog now vs. walked the dog yesterday). The L2 learners behaved at just above chance at normal conversational speed in both contexts, and slowing speech down helped them in easy contexts only. The English speakers were more accurate in easy than in hard contexts regardless of speech rate. Both L2 learners and English speakers also relied on adverbials at the expense of the phonetic cue to past morphology (–ed). Implications of these findings for the roles of input and frequency in L2 learning, and for pronunciation teaching (i.e., setting reasonable learning goals) are discussed.
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 | 0,002 |
| 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 | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».