Categorical perception of post-alveolar sibilants by Taiwan and Beijing Mandarin speakers
Notice bibliographique
Résumé
This study investigates how dialect-specific phonetic variation affects speech perception. Previous studies have pointed out that the contrast between dental and retroflex sibilants tends to be lost in connected speech in Taiwan Mandarin, while the contrast is maintained in Beijing Mandarin (Chang 2013, Noguchi et al. 2015). A study has demonstrated that, due to the merger, Taiwan speakers have a broader/weaker category for the retroflex sibilant relative to the dental sibilant (Chang 2013). In this study, we test whether the weakness of the category affects the perception of retroflex sibilants relative to the other class of sibilant in the inventory of Mandarin phonemes. Specifically, we compared Taiwan and Beijing Mandarin speakers on their perception of retroflex [?] and alveolopalatal [?]. The experiment consisted of two tasks: identification and an ABX discrimination tasks in which participants compared a sound to two sounds that were separated by 2 steps. Stimuli were drawn from a 10-step continuum from retroflex [?a] to alveolopalatal [?a]. Overall results showed that the two groups of speakers did not differ in their perception of the sibilants. In the identification task, both groups evinced the same category boundary location (step 6). In the ABX discrimination task, both groups showed the highest sensitivity to the difference between stimuli that straddled the category boundary (i.e., step 5 vs. step 7). Taken together, the data indicate that both groups perceived the continuum in a categorical manner, and that the boundary between the categories was the same for the 2 groups. Beijing speakers, however, showed slightly better sensitivity to difference between stimuli drawn from the alveolopalatal end (e.g. step 6 vs. step 8).
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 | 0,000 |
| 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 | 0,000 |
| 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 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 ».