Is It Because of My Language Background? A Study of Language Background Influence on Comprehensibility Judgments
Notice bibliographique
Résumé
This study examines the role of listeners’ native language (L1) background in judgments of comprehensibility (ease of understanding) for speakers from same and different L1 backgrounds, to determine the extent of a shared second language (L2) comprehensibility benefit. Forty L2 English speakers from Mandarin, French, Hindi, and English backgrounds (10 per group) listened to speech samples from 30 L2 English speakers from Mandarin, French, and Hindi backgrounds (10 per group). Listeners first evaluated each speaker’s comprehensibility and provided verbal reports indicating their reasons for each rating. To estimate pronunciation influences on comprehensibility, listeners then rated each speaker for four speech measures (segmental and word stress errors, intonation, speech rate). Results revealed that different speech measures were associated with comprehensibility ratings for different listener–speaker groups, and that a match in L1 background accounted for additional unique variance in comprehensibility ratings, but only for the Mandarin listeners and speakers. Verbal reports indicated that listeners more often considered L1 a benefit when rating speakers from their own L1 and a detriment when evaluating speakers from a different L1. Findings overall point to small effects of shared L1 background on comprehensibility, suggesting alternative priorities for teaching and researching comprehensible L2 speech.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,002 | 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 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 ».