Differences in the development of speech segmentation abilities in two French dialects
Notice bibliographique
Résumé
Speech segmentation skills develop in infancy and are influenced by many phonological properties of the native language and, in particular, the prosodic structure of the infant's native language. Studies using the HPP task show that American English infants appear to favor a stress-based procedure (Jusczyk et al., 1999) whereas Parisian French infants favor a syllable-based procedure (Nazzi et al., 2006), in line with a prosodic-based bootstrapping account of segmentation abilities (Nazzi et al., 1998). However, in a study using different stimuli, Polka and Sundara (2003) found results that might suggest a developmental trajectory for Canadian French infants that does not rely on syllable-based segmentation. Given that the stimuli used in both studies on French were different, both research teams tested their infant populations (at 8, 12, and 16 months of age) with the stimuli originally used by the other team The results suggest a complex interaction between specific stimuli and infants' native dialect, thus providing for the first time data suggesting that word segmentation is dialect specific. We will discuss how these findings, together with acoustic analyses, show that early word segmentation is influenced by linguistic (rhythmic/syllabic, dialectal) prosodic cues, extra-linguistic (speech style) prosodic cues, and distributional cues.
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 | 0,001 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».