MétaCan
Menu
Retour à la cohorte
Enregistrement W2622905228 · doi:10.5539/elt.v10n7p140

The Acquisition of English Lexical Stress by Chinese-speaking Learners: An OT Account

2017· article· en· W2622905228 sur OpenAlexvenueno aff
Man Yuan, Wei Cheng

Notice bibliographique

RevueEnglish Language Teaching · 2017
Typearticle
Langueen
DomainePsychology
ThématiquePhonetics and Phonology Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInterlanguageLinguisticsPsychologyStress (linguistics)SyllableFirst languagePronunciationPhonologyGrammarSecond-language acquisition

Résumé

récupéré en direct d'OpenAlex

Lexical stress is an important contributor to foreign accent as well as intelligibility of second language (L2) speech. The present study intends to find out to what extent Chinese-speaking learners whose native language has less evident stress can acquire English lexical stress. A production test was administered to nine advanced Chinese learners of English and nine native English controls, who read aloud 12 types of nonce English nouns. The results showed that the Chinese participants were able to place stress correctly in two-syllable words and three-syllable words with a heavy penultimate syllable. However, irregularity was observed in three-syllable words with a light penultimate syllable, particularly H(eavy)L(ow)L(ow). The results are further interpreted in Optimality Theory. It is argued that the learners’ interlanguage grammar is both negatively and positively influenced by their native language. The constraint only active in Chinese causes the interlanguage to be non-nativelike. By contrast, the shared active constraints facilitate learning. Moreover, the emergence of the constraints in the interlanguage grammar which are inactive in Chinese but active in English provides evidence for the learners’ ability to restructure their interlanguage phonology.

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: Qualitatif · Signal consensuel: aucune
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 technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
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 Opus0,018
Tête enseignante GPT0,357
Écart entre enseignants0,339 · 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'étudeQualitatif
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

Citations4
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetPhonetics and Phonology ResearchTravaux en français237 207