MétaCan
Menu
Retour à la cohorte
Enregistrement W2954635359 · doi:10.1017/s1360674319000157

The prosody of rhetorical questions in English

2019· article· en· W2954635359 sur OpenAlexaboutno aff
Nicole Dehé, Bettina Braun

Notice bibliographique

RevueEnglish Language and Linguistics · 2019
Typearticle
Langueen
DomainePsychology
ThématiquePhonetics and Phonology Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProsodyPitch accentLinguisticsIntonation (linguistics)Stress (linguistics)Rhetorical questionVariety (cybernetics)PsychologyRealisationUtteranceComputer sciencePhilosophyArtificial intelligencePhysics

Résumé

récupéré en direct d'OpenAlex

This article contributes to our knowledge about the prosodic realisation of rhetorical questions (RQs) as compared to information-seeking questions (ISQs). It reports on a production experiment testing the prosody of English wh- and polar RQs and ISQs in a Canadian variety. In previous literature, the contribution of prosody to the distinction between the two illocution types has often been limited to the intonational realisation of the terminus of the utterance, i.e. whether it ends in a rise or a fall. Along with edge tones, we tested other phonological and phonetic parameters. Our results are as follows: (i) The intonational terminus was distinctive only for polar questions (rise vs plateau), not for wh -questions (low throughout). (ii) Moreover, the semantic difference between RQs and ISQs is signalled by pitch accents. It is reflected in nuclear pitch accent type for wh -questions, and accent type and position for polar questions. (iii) Phonetically, RQs are produced with longer constituent durations and – for wh -questions – a softer voice quality in the wh -word. Taken together, several intonational categories and phonetic parameters contribute to the distinction between RQs and ISQs. A simple distinction between rising and falling intonation is in any case insufficient.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,325
Écart entre enseignants0,312 · 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

Citations115
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language and LinguisticsMême sujetPhonetics and Phonology ResearchTravaux en français237 207