MétaCan
Menu
Retour à la cohorte
Enregistrement W2885395139 · doi:10.3390/languages3030030

Revisiting (Non-)Native Influence in VOT Production: Insights from Advanced L3 Spanish

2018· article· en· W2885395139 sur OpenAlexaff
Raquel Llama, Walcir Cardoso

Notice bibliographique

RevueLanguages · 2018
Typearticle
Langueen
DomainePsychology
ThématiquePhonetics and Phonology Research
Établissements canadiensConcordia UniversityWilfrid Laurier UniversityUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésPronunciationLinguisticsDisadvantagePsychologyVoice-onset timeProduction (economics)First languageReading (process)Computer scienceVowelArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

A growing body of research investigating cross-linguistic influence on the acquisition of a third phonological system suggests that first (L1) and second (L2) languages concur in influencing oral production in the target third language (L3). Yet, there are also claims of either a more noticeable effect of the L2 on the L3, or a prevailing influence from the L1. This study further explores whether the L1 and the L2 compete or converge on exerting influence on L3 pronunciation. To do so, we examine the production of voice onset time for voiceless stops by adult advanced learners of L3 Spanish divided into two groups (15 L1 English-L2 French, and 15 L1 French-L2 English speakers). Three monolingual control groups were also tested. Participants were recorded reading word lists that contained voiceless stops in stressed onset position. A Kruskal-Wallis test uncovered significant differences traceable to the L1-English speakers, which puts them at a slight disadvantage vis-à-vis their Francophone counterparts. These results favor claims of a more decisive role for the L1 in L3 pronunciation. We compare our results to findings from previous studies targeting intermediate learners, and find proficiency in the L3 may account for the observed 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 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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
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 savante0,0010,000
Science ouverte0,0000,001
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 GPT0,361
Écart entre enseignants0,345 · 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

Citations28
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLanguagesMême sujetPhonetics and Phonology ResearchTravaux en français237 207