How'd you get that accent?: Acquiring a second dialect of the same language
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This article presents a case study of second dialect acquisition by three children over six years as they shift from Canadian to British English. Informed by Chambers's principles of second dialect acquisition, the analysis focuses on a frequent and socially embedded linguistic feature, T-voicing (e.g., pudding versus putting). An extensive corpus and quantitative methods permit tracking the shift to British English as it is happening. Although all of the children eventually sound local, the acquisition process is complex. Frequency of British variants rises incrementally, lagging behind the acquisition of variable constraints, which are in turn ordered by type. Internal patterns are acquired early, while social correlates lag behind. Acceleration of second dialect variants occurs at well-defined sociocultural milestones, particularly entering the school system. Successful second dialect acquisition is a direct consequence of sustained access to and integration with the local speech community.We would like to thank Tara, Shaman, and Freya for their patience and humor in letting us analyze these materials, and especially for the hilarity of their antics, which added greatly to the amount of fun we had in figuring out their second dialect acquisition. This study was inspired by and has also profited from many discussions with our mentor and friend Jack Chambers. We have also benefited from the insightful guidance of Peter Trudgill, both in print and in personal commentary. An anonymous reviewer added an additional perspective. Of course, none of them is responsible for any remaining shortcomings of our analysis or interpretation.
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.
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 | 0,001 |
| 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 | 0,000 |
| 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 découle