MétaCan
Menu
Retour à la cohorte
Enregistrement W2346187164 · doi:10.1177/0956797616645096

The Missing-Phoneme Effect in Aural Prose Comprehension

2016· article· en· W2346187164 sur OpenAlexaff
Jean Saint‐Aubin, Raymond M. Klein, Mireille Babineau, John Christie, David W. Gow

Notice bibliographique

RevuePsychological Science · 2016
Typearticle
Langueen
DomainePsychology
ThématiqueReading and Literacy Development
Établissements canadiensDalhousie UniversityUniversité du Québec à MontréalUniversité de Moncton
Organismes subventionnairesnon disponible
Mots-clésPsychologyActive listeningReading (process)CognitionReading comprehensionNarrativeCognitive psychologyComprehensionLinguisticsCommunication

Résumé

récupéré en direct d'OpenAlex

When participants search for a target letter while reading for comprehension, they miss more instances if the target letter is embedded in frequent function words than in less frequent content words. This phenomenon, called the missing-letter effect, has been considered a window on the cognitive mechanisms involved in the visual processing of written language. In the present study, one group of participants read two texts for comprehension while searching for a target letter, and another group listened to a narration of the same two texts while listening for the target letter's corresponding phoneme. The ubiquitous missing-letter effect was replicated and extended to a missing-phoneme effect Item-based correlations between the reading and listening tasks were high, which led us to conclude that both tasks involve cognitive processes that reading and listening have in common and that both processes are rooted in psycholinguistically driven allocation of attention.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,903
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,030
Tête enseignante GPT0,386
Écart entre enseignants0,356 · 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 tête enseignante, pas un consensus.

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

Citations3
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePsychological ScienceMême sujetReading and Literacy DevelopmentTravaux en français237 207