The relationship of VOT and F0 contrasts across speakers and words in the German voicing contrast
Notice bibliographique
Résumé
Recent studies on tonogenesis in progress in Seoul Korean (Kang, 2014; Bang et al., 2015) find that the size of the VOT contrast and the f0 contrast between aspirated and lax stops “trade off” across speakers (e.g., male speakers have greater/smaller VOT/f0 contrasts), as well as words (e.g., different frequencies, following vowel heights). We examine whether this parallelism across speakers and words occurs in a language not undergoing tonogenesis by examining the size of the fortis/lenis contrast in VOT and f0 in German, using speech from the PhonDat corpus (Draxler, 1995). Mixed-effect regression models show that the size of the VOT contrast, but not the f0 contrast, is affected by properties of words (e.g., frequency, vowel height), unlike the parallelism observed in Korean. We further investigated whether VOT/f0 parallelism would be observed across speakers by partialing out linguistic factors affecting VOT/f0, and performing one logistic regression per speaker (n = 76) of fortis/lenis class as a function of residualized f0 and VOT. The cue weights of F0 and VOT are negatively correlated across speakers (r=-0.213, p = 0.0213), suggesting parallelism exists across speakers, but not across words.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».