Modelling the Interplay of Multiple Cues in Prosodic Focus Marking
Notice bibliographique
Résumé
Focus marking is an important function of prosody in many languages. While many phonological accounts concentrate on fundamental frequency (F<sub>0</sub>), studies have established several additional cues to information structure. However, the relationship between these cues is rarely investigated. We simultaneously analyzed five prosodic cues to focus—F<sub>0 </sub>range, word duration, intensity, voice quality, the location of the F<sub>0 </sub>maximum, and the occurrence of pauses—in a set of 947 simple Subject Verb Object (SVO) sentences uttered by 17 native speakers of Finnish. Using random forest and generalized additive mixed modelling, we investigated the systematicity of prosodic focus marking, the importance of each cue as a predictor, and their functional shape. Results indicated a highly consistent differentiation between narrow focus and givenness, marked by at least F<sub>0 </sub>range, word duration, intensity, and the location of the F<sub>0 </sub>maximum, with F<sub>0 </sub>range being the most important predictor. No cue had a linear relationship with focus condition. To account for the simultaneous significance of several predictors, we argue that these findings support treating multiple prosodic cues to focus in Finnish as correlates of prosodic phrasing. Thus, we suggest that prosodic phrasing, having multiple functions, is also marked with multiple cues to enhance communicative efficiency.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».