Gradient assimilation in French cross-word /<tt>n</tt>/+velar stop sequences
Notice bibliographique
Résumé
Articulatory studies have revealed cross-linguistic variation in the realization of cross-word nasal+stop sequences. Whereas languages such as Italian and Spanish show largely categorical regressive place assimilation (Kochetov & Colantoni 2011, Celata et al. 2013), English and German alveolar nasals are often characterized by gradient assimilation, modulated by the degree of overlap with the following gesture (Barry 1991, Ellis & Hardcastle 2002, Jaeger & Hoole 2011). The lack of comparable instrumental studies for French may be due to the common assumption that the language lacks nasal place assimilation in general. We investigate here the production of French / n /+/ k ɡ/ sequences via electropalatography. Four female speakers of European and Quebecois French wearing custom 62-electrode acrylic palates read the sentences C'est une bonne casquette ‘That's a good cap’ and C'est une bonne galette ‘That's a good tart/cookie’ alongside comparable control sentences involving / n /+/ t d / sequences. For each sequence, assimilation type was determined both qualitatively via visual inspection of the linguopalatal profiles and quantitatively using two contact indices. None of the / n /-tokens exhibited either categorical assimilation (i.e. [ŋ k ]) or lack of assimilation (i.e. [ n (ə) k ]). Rather, an intermediate pattern was attested with the nasal involving overlapped coronal and velar gestures ([ n n ͡ŋ]) and continuous retraction of the constriction. The degree of overlap varied among speakers, extending up to half of the nasal interval. Overall, these French patterns are strikingly different from the categorical processes reported for other Romance languages, yet similar to the gradient assimilation attested in Germanic languages. We conclude by discussing possible sources of these differences.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».