Linguistic Feature Analyses of Chinese Learners of English and Contributions of Discrete Features to Perceptual Judgment
Notice bibliographique
Résumé
This study (a) conducted a feature analysis of the spoken data of Chinese university students in pronunciation, grammar, and discourse, (b) investigated the contributions of the discrete linguistic features to the perceptual ratings on foreign accent, comprehensibility, delivery, and general language use. Ten university learners were selected from the Spoken Corpus of the English of Hong Kong and Mainland Chinese learners (http://corpus.ied.edu.hk/phonetics/), in which two speakers were paired up to conduct a five minutes interview. Three-level analyses were done to investigate Chinese learners’ linguistic features. Forty listeners from four L1 language backgrounds were recruited to rate the speech samples. The results show that strongly negative correlations were found between the production and perceptual rating scores for “omission of consonant(s) in final position” “redundant article ‘the’”, “silent pauses” and “discourse markers,” suggesting that the four features can be perceived and exert strong negative influences on perceptual judgments. Pronunciation rating had the strongest positive correlations with “foreign accentedness”; grammar rating had the strongest positive correlations with “general language use”; discourse rating had the strongest positive correlations with “general delivery”, and “general language use.” Regarding the rating of comprehensibility, “misuse of conjunctions” “redundant article ‘the’”, “silent pauses”, “lengthening”, and “stressing” showed strong negative correlations whereas “filled pauses” had strong positive correlations with it. Regarding the rating of foreign accentedness, strong negative correlations were found between “omission of consonant(s) in final position”, “lengthening”, “discourse markers”, and “stressing” and the rating of “foreign accentedness”.
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 | 0,001 | 0,006 |
| 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 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 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 ».