Perception of Unfamiliar English Phonemes by Native Mandarin Speakers
Notice bibliographique
Résumé
In second language acquisition, speech sounds, or phonemes, not present in a learner’s native language often pose an extra challenge for speech production. When hearing one of these unfamiliar phonemes, the learner either maps it to a similar native phoneme, perceives it as a completely foreign sound, or does not perceive it as speech at all. In the first case, the learner is unable to perceive a difference between the unfamiliar phoneme and the native phoneme to which it is mapped. This mapping difficulty potentially creates problems for the learner during word recognition. The present research investigated the extent to which English phonemes absent from the Mandarin phonological inventory impact processing of native Mandarin speakers in an auditory lexical decision task. Results of this research will expand the understanding of second language perception, especially within the context of auditory lexical decision tasks. A list of ten phonemes—/ɪ/, /æ/, /ʊ/, /ɛ/, /v/, /z/, /ʒ/, /ɵ/, /ð/, /ʤ/—present in the English phonological inventory but absent from that of Mandarin were identified as unfamiliar to native Mandarin speakers. Data from the Massive Auditory Lexical Decision (MALD) database, in which participants decided whether recorded utterances were English words or made-up words, were utilized. The effects of the proportion of unfamiliar phonemes, proportion of unfamiliar vowels, and proportion of unfamiliar consonants on reaction time, representative of processing difficulty, were then calculated using statistical techniques. It was found that the proportion of all unfamiliar phonemes in an utterance had no significant effect on the reaction time of the native Mandarin speakers. However, when the list of unfamiliar phonemes was divided into vowels and consonants, a greater proportion of unfamiliar vowels was noticed to increase reaction time, while a greater proportion of unfamiliar consonants was found to decrease reaction time. Further research in this area is required to determine a concrete explanation for these results. Interestingly, when the same analysis was performed on the data of native English speakers, similar results were observed. This may reflect a common language processing mechanism in second language learners and native speakers.
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 | 0,004 |
| 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 | 0,001 | 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) | 0,001 | 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 ».