MétaCan
Menu
Retour à la cohorte
Enregistrement W2990915527

중국인 학습자의 한국어 숙련도에 따른 한국어 파열음과 파찰음의 변별 지각 양상

2016· article· ko· W2990915527 sur OpenAlexaboutno aff
류나영

Notice bibliographique

Revue한국어 교육 · 2016
Typearticle
Langueko
DomainePsychology
ThématiquePhonetics and Phonology Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMandarin ChineseContrast (vision)PsychologyPerceptionSecond languageLinguisticsKorean NativeFirst languageLanguage proficiencyComputer scienceArtificial intelligence
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This study investigates the degree of categoriality and discrimination accuracy in the perception of the three-way contrast in Korean stops and affricates by Mandarin speakers. The participants for this study include 44 Mandarin speakers who differ in Korean proficiency level and a control group of 13 native Korean speakers. Perceptual accuracy is assessed through an AX discrimination and an identification task. The result indicates that L2 proficiency plays a significant role in non-native speech perception. Overall, Mandarin listeners with more Korean language proficiency respond to the contrasts more like native Korean speakers than those with less proficiency. However, Mandarin learners of Korean have more difficulty perceiving lenis than aspirated and fortis, while they have less difficulty distinguishing aspirated from lenis and fortis regardless of their proficiency level in Korean. This finding suggests that Mandarin learners rely solely on VOT, which is a primary cue in their native language, when differentiating the Korean contrast, whereas native speakers of Korean use both VOT and F0 to distinguish the contrast. In light of this observation, Mandarin speakers who learn Korean as a foreign language need to focus on both VOT and F0 in order to increase their accuracy in the perception of the Korean contrasts. (University of Toronto)

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,211
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0350,059

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 Opus0,049
Tête enseignante GPT0,382
Écart entre enseignants0,333 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue한국어 교육Même sujetPhonetics and Phonology ResearchTravaux en français237 207