Training Mandarin and Cantonese speakers to identify English vowel contrasts: Long-term retention and effect on production
Notice bibliographique
Résumé
Synthesized hVd vowel stimuli and naturally produced CVC minimal pairs by multiple talkers were used to train native Mandarin and Cantonese speakers to identify the English /i/–/I/, /u/–/U/, and /E/–/Q/ contrasts. In the pre- and post-tests, subjects took the identification tests on synthesized and natural stimuli, and were also recorded producing the target vowel contrasts. Results showed that subjects relied on duration cues for the /i/–/I/, contrast more consistently than they did for the other two contrasts. Training effectively shifted their attention from duration to spectral cues. Trainees’ perceptual performance on natural tokens improved significantly from pretest to post-test on all three contrasts. Accuracy in generalization to new words produced by new talkers was comparable to new words by familiar talkers. The effect of perceptual learning was retained 3 months later after the training was completed. Improvement in production was observed but performance differences between pre- and post-test did not reach significance. The findings suggest that increased perceptual accuracy in identifying L2 vowel contrasts through perceptual training may not be sufficient for significant improvement in production accuracy. Future studies may look at combination of simultaneous production and perceptual training for better results.
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 | 0,000 | 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 ».