Phonetic correlates of phonological quantity of Yakut
Notice bibliographique
Résumé
We investigated vowel quantity in Yakut (Sakha), a Turkic language spoken in Siberia by over 400,000 speakers in the Republic of Sakha (Yakutia) in the Russian Federation. Yakut is a quantity language; all vowel and consonant phonemes have short and long contrastive counterparts. The study aims at revealing acoustic characteristics of the binary quantity distinction in vowels. We used two sets of data: (1) A female native Yakut speaker read a 200-word list containing disyllabic nouns and verbs with four different combinations of vowel length in the two syllables (short–short, short–long, long–short, and long–long) and a list of 50 minimal pairs differing only in vowel length; (2) Spontaneous speech data from 9 female native Yakut speakers (aged 19–77), 200 words with short vowels and 200 words with long vowels, were extracted for analysis. Acoustic measurements of the short and long vowels’ f0-values, duration and intensity were done. Mixed-effects models showed a significant durational difference between long and short vowels for both data sets. However, the preliminary results indicated that, unlike in quantity languages like Finnish and Estonian, there was no consistent effect of f0 as the phonetic correlate in Yakut vowel quantity distinction.
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 | 0,001 |
| 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 | 0,002 |
| 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 ».