Notice bibliographique
Résumé
One of the major tenets of the Speech Learning Model (SLM) is that “if two L2 sounds differ in perceived dissimilarity from the closest sound in the L1 inventory, the more dissimilar of the L2 sounds will manifest the greater amount of learning” (Aoyama et al. 2004:248). Given that certain studies have provided “evidence of greater learning for [®] than [l] by N[ative]J[apanese] learners of English” (2004:246), the SLM hypothesis can only be upheld if English [l] is more similar to Japanese [R] than English [®] is. However, this is clearly counterintuitive since, by most accounts, [R] represents a central flap, [l] a lateral approximant, and [®] a central approximant. In this study, it will be argued that English laterals cannot be more similar to Japanese /r/ than English rhotics are, as the SLM would have it, unless the Japanese sound contains a lateral component such as that which is found in the flap [‰]. As it happens, a number of phoneticians and phonologists have argued that this is indeed the case with Japanese /r/, as will be shown, and this is something that the proponents of the SLM would need to acknowledge if their theoretical stance is to be maintained.
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 | 0,000 | 0,002 |
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».