Symposium – Accentuating the Positive: Directions in Pronunciation Research
Notice bibliographique
Résumé
Held at the Association canadienne de linguistique appliquée/Canadian Association of Applied Linguistics Conference, Ottawa, Canada; 27 May 2009. Over the past few decades perspectives on second language (L2) pronunciation have evolved from pessimistic appraisals of the capabilities of L2 learners and doubts about the value of instruction to a view of pronunciation teaching as an effective and important part of language pedagogy. Earlier research on the teaching of pronunciation dwelt extensively on the identification of learners' errors (mainly consonants and vowels) through comparative analyses. Until recently, little had been established about the effectiveness of pronunciation teaching, and pedagogical techniques were based more on speculation and theoretical notions than on empirically well-justified principles. More recent work addresses a broader range of issues relating not only to L2 phonological acquisition, but to the social implications of speaking with an accent and engaging with interlocutors, both native and non-native speakers of the L2. Among these are the relationship between accent and intelligibility, cognitive processes underlying phonological learning, the evaluation of L2 speech using impressionistic and acoustic techniques, prosodic influences on perception of accented speech, the role of ethnic affiliation and identity in L2 speakers' oral production, and the identification of misguided applications of knowledge about pronunciation by businesses and governments. These lines of work, along with empirical investigations of pronunciation instruction, engender a more sophisticated view of L2 phonological learning and teaching. Though further research remains to be done, important achievements have been made in identifying reasonable, achievable goals in the pronunciation classroom, establishing appropriate instructional foci, and evaluating outcomes. The presenters in this colloquium highlighted the major achievements of recent years and identified some of the important problems that remain.
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 | 0,008 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,006 |
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 ».