Visual gender biases in English stop voicing perception
Notice bibliographique
Résumé
Listeners leverage visual information, such as perceived speaker gender, during speech perception. While work has shown visual gender biases on fricative (Johnson & Strand, 1996) and vowel perception (Johnson et al., 1999), its effects on stop voicing perception are understudied. We present an identification task where visual gender primes (male/female portraits) were used to investigate perceived speaker gender effects on English stop voicing. Subjects (n = 22) identified ‘pa’/’ba’ syllables from an 11-step VOT continuum (0–50 ms) in 5 pitch levels (high: 250 Hz, 230 Hz, mid: 170 Hz, and low: 130 Hz, 110 Hz). High and low pitch tokens were always preceded by a female and male portrait, respectively. Mid pitch tokens were preceded by female or male images in separate blocks. Given that f0 is higher following voiceless obstruents (Lehiste & Peterson 1961; Mohr 1971), if listeners utilize visual gender cues, acoustically ambiguous tokens paired with a male portrait should elicit more voiceless "pa" responses than those paired with a female portrait. Preliminary results pattern in the expected direction; mid tokens are perceived as "pa" more when paired with a male (15–25 ms = 79% "pa" response) than a female face (73% "pa" response); however, this effect was not statistically significant.
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 | 0,000 | 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) | 0,003 | 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 ».