MétaCan
Menu
Retour à la cohorte
Enregistrement W2345441215 · doi:10.1121/1.4950067

“That sounds like me” Infants prefer vowels with infant vocal resonances

2016· article· en· W2345441215 sur OpenAlexaff
Linda Polka, Matthew Masapollo, Lucie Ménard

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2016
Typearticle
Langueen
DomaineComputer Science
ThématiqueSpeech and Audio Processing
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésFormantVowelPreferenceAudiologyAcousticsResonance (particle physics)PsychologyMathematicsPhysicsSpeech recognitionMedicineComputer scienceStatistics

Résumé

récupéré en direct d'OpenAlex

Recent research shows that infants listen preferentially to synthesized vowels that specify an infant source and resonance properties over vowels that simulate a adult female (Masapollo et al., 2015). Infants also preferred vowels with infant resonances over vowels with adult vocal resonances when f0 values were matched (210–240 Hz) across resonance types, suggesting that infant resonance is sufficient to elicit this preference. In this study, we investigate whether infants maintain a preference for infant vocal resonances when f0 values are modulated. In experiment 1, infants listened longer to vowels with infant formants and high f0 values (400–450 Hz) than vowels with adult formants and lower f0 (315–360 Hz). In experiment 2, the same preference emerged when f0 values were reversed; infants listened longer to vowels with infant formants and lower f0 values (315–360 Hz) than to vowels with adult formants and higher f0 (400–450 Hz). These findings show that infant resonance is sufficient to elicit this preference. Given that infants begin to produce vowel-like sounds at 3–4 months, these findings also support the “articulatory filter” hypothesis (Vihman, 1993) which claims that infants are perceptually biased toward speech that resembles their own vocal patterns.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,237
Écart entre enseignants0,224 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of the Acoustical Society of AmericaMême sujetSpeech and Audio ProcessingTravaux en français237 207