MétaCan
Menu
Retour à la cohorte
Enregistrement W2801849754 · doi:10.5539/ijel.v8n5p27

Acoustic Characteristics of Pakistani English Vowel Sounds

2018· article· en· W2801849754 sur OpenAlexvenueno aff
Abdul Malik Abbasi, Mansoor Ahmed Channa, Masood Akhtar Memon, Stephen John, Kamlesh Kumar

Notice bibliographique

RevueInternational Journal of English Linguistics · 2018
Typearticle
Langueen
DomaineComputer Science
ThématiqueSpeech Recognition and Synthesis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVowelFormantDuration (music)Speech recognitionStatistical analysisMid vowelAcousticsSpace (punctuation)MathematicsComputer scienceStatisticsPhysics

Résumé

récupéré en direct d'OpenAlex

The purpose of this investigation was to document acoustic characteristics of Pakistani English (PaKE) vowel sounds. The experiment was designed to examine the properties of ten vowels produced by Pakistani ESL learners. The analysis is based on the voice samples of recorded 50 CVC words. Total 5000 (10 10 50=5000) voiced samples were analyzed. The data consisted of 50 words of ten English vowel sounds [i: ɪ e ɔ: æ ə ɑ: u: ɒ ʊ]. Ten ESL speakers recorded their voice samples on Praat speech processing tool installed on laptop. Three parameters were considered i.e., fundamental frequency (F0), vowel quality (F1-F2) and duration. Formant patterns were judged manually by visual inspection on Praat Speech Processing Tool. Analysis of formant frequency shows numerous differences between male and female of F1 and F2, fundamental frequency and duration of English vowels. The voice samples provide evidence for higher and lower frequency of vowel sounds. Additionally, the data analysis illustrates that there were statistical differences in the values of short and long vowels coupled with vowel space plot showing explicit differences in locating the production of vowels of male & female vowel space acoustic realizations.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,016
Tête enseignante GPT0,276
Écart entre enseignants0,260 · 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'étudeObservationnel
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

Citations9
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of English LinguisticsMême sujetSpeech Recognition and SynthesisTravaux en français237 207