Perceptual categorization of English vowels by native European Portuguese speakers
Notice bibliographique
Résumé
This study reports the results of a perceptual assimilation task (PAT) used to assess the degree of perceived cross-language (dis)similarity between the vowel inventories of European Portuguese (L1) and American English (L2) and, thus, predict difficulty in the perception and production of non-native vowels. Thirty-four native European Portuguese speakers completed a PAT, in which they mapped both L2 English and L1 Portuguese vowels to native vowel categories and rated them for goodness-of-fit to L1 vowels. The results are discussed in terms of theoretical models of cross-language perception and L2 speech learning (SLM, Flege, 1995, & PAM-L2, Best & Tyler, 2007).-----------------------------------------------------------------------------CATEGORIZAÇÃO PERCEPTIVA DE VOGAIS INGLESAS POR FALANTES NATIVOS DE PORTUGUÊS EUROPEUEste estudo reporta os resultados de uma tarefa de assimilação percetiva, usada para avaliar o grau de semelhança inter-linguística entre os inventários vocálicos de português europeu (L1) e de inglês americano (L2), e, assim, prever dificuldades na perceção e produção de sons não nativos. Trinta e quatro falantes nativos de português europeu completaram uma tarefa de assimilação perceptiva, na qual identificaram vogais do inglês (L2) e do português (L1) de acordo com as categorias fonológicas da sua língua nativa, avaliando também a qualidade de representatividade categorial. Os resultados são discutidos partindo de dois modelos de perceção inter-linguística e aprendizagem de fala L2 (SLM, Flege, 1995, & PAM-L2, Best & Tyler, 2007).---Original em inglês.
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 | 0,005 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».