Voice onset time variation in natural southern speech
Notice bibliographique
Résumé
Sociophonetic research has traditionally emphasized vowels and only recently begun to examine consonants. The emerging literature on consonants has found systematic regional variation in consonant production (Jacewicz et al., 2009; Eddington and Turner, 2017). These studies have focused on present-day speakers producing lab-recorded speech and thus provide little historical or naturalistic insight to consonant variation. One way that the production of stop consonants varies is in voice onset time (VOT). In this study, we utilize the Digital Archive of Southern Speech (DASS) (Kretzschmar et al., 2013), a collection of 64 sociolinguistic interviews recorded between 1968 and 1983, to explore consonant variation in an unscripted historical setting. DASS was force-aligned using the Montreal Forced Aligner (McAuliffe et al., 2017), and the VOT of pre-vocalic, word-initial stop consonants in three-minute audio clips from each speaker was measured using AutoVOT (Keshet et al., 2014). VOT was normalized by dividing duration by speaking rate, and this normalized measurement was included as the dependent variable in a mixed effects model. As expected, stress, voicelessness, and a dorsal place of articulation were significant predictors. Our preliminary analysis reveals significant regional and age differences, adding evidence for speaker-specific variation of VOT as a result of sociophonetic variables.
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 | 0,002 | 0,001 |
| 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 ».