Linguistic Dimensions of Accentedness and Comprehensibility: Exploring Task and Listener Effects in Second Language French
Notice bibliographique
Résumé
Abstract This study explored the effects of task and listeners’ linguistic background on judgments of accentedness and comprehensibility in second language (L2) French. Forty Spanish speakers of L2 French recorded a picture narrative and answered an interview question. These audio samples were assessed by native French listeners with (n = 10) and without (n = 10) knowledge of L2 Spanish using 1,000‐point sliding scales to evaluate accentedness and comprehensibility, as well as nine linguistic variables targeting pronunciation, fluency, lexis, grammar, and discourse. In the picture narrative task (cognitively less complex), accentedness could be distinguished from comprehensibility at the level of the linguistic dimensions associated with each construct. While accentedness was related to pronunciation and fluency (consonant and vowel errors, intonation, speech rate), comprehensibility was additionally linked to lexis (accuracy, richness), grammar (accuracy, complexity), and discourse richness. However, in the interview task (cognitively more complex), both accentedness and comprehensibility had similar linguistic profiles, associated with all nine linguistic variables. Listeners’ experience with L2 Spanish had little impact on listener ratings of accentedness or comprehensibility in both tasks. Findings are discussed in relation to L2 instruction and the role of task complexity in targeting various dimensions of L2 accentedness and comprehensibility.
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 | 0,004 | 0,019 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| 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 ».