MétaCan
Menu
Retour à la cohorte
Enregistrement W2901016590 · doi:10.3390/languages3040042

Acquisition of the Tap-Trill Contrast by L1 Mandarin–L2 English–L3 Spanish Speakers

2018· article· en· W2901016590 sur OpenAlexafffund
Matthew Patience

Notice bibliographique

RevueLanguages · 2018
Typearticle
Langueen
DomainePsychology
ThématiquePhonetics and Phonology Research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésMandarin ChineseContrast (vision)PsychologyLinguisticsMirroringSecond-language acquisitionNegative transferReading (process)First languageComputer scienceCommunicationArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The goals of this study were to investigate the developmental patterns of acquisition of the Spanish tap and trill by L1 Mandarin–L2 English–L3 Spanish speakers, and to examine the extent to which the L1 and the L2 influenced the L3 productions. Twenty L1 Mandarin–L2 English–L3 Spanish speakers performed a reading task that elicited production of rhotics from the speakers’ L3 Spanish, L2 English, and L1 Mandarin, as well as the L2 English flap. The least proficient speakers produced a single substitution initially, generally [l]. The same non-target segment was produced for both rhotics, mirroring the results of previous studies investigating L1 English–L2 Spanish speakers, indicating that this may be a universal simplification strategy. In contrast to previous work on L1 English speakers, the L1 Mandarin–L2 English–L3 Spanish speakers who had acquired the tap did not tend to use it as the primary substitute for the trill. Overall, the L1 was a stronger source of cross-linguistic influence. Nonetheless, evidence of positive and negative L2 transfer was also found. The L2 flap allophone facilitated acquisition of the L3 tap, whereas non-target productions of the L2 /ɹ/ were also observed, revealing that both previously learned languages were possible sources of cross-linguistic influence.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,009
Tête enseignante GPT0,310
Écart entre enseignants0,302 · 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

Citations17
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLanguagesMême sujetPhonetics and Phonology ResearchTravaux en français237 207