MétaCan
Menu
Retour à la cohorte
Enregistrement W2477938199 · doi:10.1075/hsld.1.02nag

Voice onset time across the generations

2013· book-chapter· en· W2477938199 sur OpenAlexaffabout
Naomi Nagy, Alexei Kochetov

Notice bibliographique

RevueHamburg studies on linguistic diversity · 2013
Typebook-chapter
Langueen
DomainePsychology
ThématiquePhonetics and Phonology Research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésUkrainianLinguisticsVoice-onset timeContext (archaeology)Heritage languagePsychologyHistoryVoice

Résumé

récupéré en direct d'OpenAlex

We investigate Voice Onset Time (VOT) of voiceless stops in conversational speech in a transitional bilingual context. We examine the speech of three generations of bilinguals whose Heritage Language (HL) is one of three European languages (Italian, Russian, or Ukrainian) and who also speak English. The data are extracted from recordings of sociolinguistic interviews conducted in Toronto that are contained in the Heritage Language Documentation Corpus (Nagy 2009). We examine word-initial /p, t, k/ in stressed syllables before /a/ and /o/ (~150 tokens per speaker), produced by 18 individuals representing three to five generations of speakers in each language. Unlike in English, voiceless stops in Italian, Russian, and Ukrainian are realized with a short lag VOT, defined as < 30 ms. Comparison of the HL patterns to previously published results on the VOT of monolingual speakers of these languages and monolingual speakers of English illustrates contact-induced influence: across the generations, the VOT of these speakers drifts away from the monolingual short lag toward the long lag of English for Russian and Ukrainian. Puzzlingly, the cross-generational change is (slightly) in the opposite direction for Italian. We discuss possible reasons for these different outcomes as well as contrasting them with the lack of cross-generational change found in analyses of pro-drop in the same corpus.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,098
Tête enseignante GPT0,367
Écart entre enseignants0,269 · 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

Citations72
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHamburg studies on linguistic diversityMême sujetPhonetics and Phonology ResearchTravaux en français237 207