Locus equation metrics as an index of coarticulation resistance: The effect of prosodic prominence
Notice bibliographique
Résumé
The degree of articulatory constraints (DAC) model (Recasens, Pallarès, & Fontdevila, 1997) proposes that consonants involving movement of the tongue dorsum are more resistant to coarticulation than consonants that have a less constrained articulation. The present study aims to assess this claim using locus equation (LE) slopes as indicators of coarticulation. Participants were asked to produce V1.C1V2 sequences as part of two-word phrases in a scripted dialogue, where C1 is one of /p, t, s, ∫/. LE were derived by measuring F2 at V2 onset and midpoint. Given the DAC model’s predictions, and given also that steeper LE slopes indicate higher levels of coarticulation, it was predicted that segments’ LE slopes would rank from steepest to shallowest as /p/>/t/>/s/>/∫/. Results were highly consistent with these hypotheses, lending support to the DAC model. A secondary hypothesis predicted that contrastively stressing C1 would reduce coarticulation, resulting in shallower LE slopes relative to a control condition (unstressed C1). We found that the LE slopes of sibilants /s/ and /∫/, but not stops /p/ and /t/, flattened under prominence as hypothesized. Possible interpretations of this finding are discussed.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».