Information-theoretic variables in Spanish-English bilingual speech
Notice bibliographique
Résumé
Languages lenite similar segments to different extents—a finding that can be accounted for with information-theoretic variables like frequency, predictability, and informativity [Cohen Priva, 2017, Language 93: 569–597]. Prior research addresses the role of segment information content across languages, but assumes that information-theoretic variables operate on an in-language basis. While appropriate for monolingual speech, this assumption is problematic for bilingual speech, as an individual’s languages are known to influence one another (e.g. [Fricke et al., 2016, J. Mem. Lang. 89: 110–137]). In this paper, I report on a study using the Bangor Miami corpus [Deuchar et al., 2014, Advances in the Study of Bilingualism: 93–110], addressing how well information-theoretic variables predict lenition in Spanish-English bilingual speech. Specifically, do they operate on an in-language or cross-language basis? To address this, I focus on the duration of word-medial intervocalic fricatives shared by both languages—/f/ and /s/. Accounting for variables known to affect segment duration (e.g. speech rate), I use linear mixed-effect models to assess the contribution of information-theoretic variables in accounting for duration variation in bilingual speech. Four models are evaluated, compared, and discussed: (i) English in-language, (ii) English cross-language, (iii) Spanish in-language, and (iv) Spanish cross-language.
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 | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| 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 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 ».