Transposed letter priming effects and allographic variation in Arabic: Insights from lexical decision and the same–different task.
Notice bibliographique
Résumé
Reading is resilient to distortion of letter order within a word. This is evidenced in the "transposed-letter (TL) priming effect," the finding that a prime generated by transposing adjacent letters in a word (e.g., jugde) facilitates recognition of the base word (e.g., JUDGE), more than a "substituted-letter" control prime in which the transposed letters are replaced by unrelated letters (e.g., junpe -JUDGE). The TL priming effect is well documented for European languages that are written using the Roman alphabet. Unlike these languages, Arabic has a unique position-dependent allography whereby some letters change shape according to their position within a word. We investigate the TL priming effect using a lexical decision (Experiment 1) and a same-different match task with Arabic words (Experiment 2) and nonwords (Experiment 3). No TL priming effects were found in Experiment 1, suggesting that the lexical-decision task engages lexical access processes that are sensitive to the Semitic nonlinear morphological structure. Experiments 2 and 3 revealed a robust TL priming effect overall. Nonallographic TL primes produced significantly larger facilitation than allographic TL primes, indicating that Arabic readers use allographic variation to resolve the uncertainty in letter order during the early stages of orthographic processing. The implication of these results for current letter position coding models is discussed. (PsycINFO Database Record (c) 2019 APA, all rights reserved).
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».