Constraints on speech rate: A heritage-language perspective
Notice bibliographique
Résumé
Research questions: Polinsky argues that speech rate in heritage languages is highly correlated with proficiency level. In sociolinguistics studies, speech rate in monolingual speakers is found to be conditioned by social factors. What occurs when both proficiency and social factors vary? Is speech rate a valid measure of proficiency? Methodology: We use two automated methods of measuring articulation rate (syllables per second), cross-referenced to improve accuracy: an orthographic vowel count and an acoustic measure of amplitude changes from syllable nucleus to periphery. Data and analysis: Across 51 speakers, each recorded in an hour-long conversation in Heritage Italian, Russian, Ukrainian, or Homeland Italian, we calculate speech rate in more than 10,000 clauses. Findings: Linear regression analyses reveal that articulation rate correlates with generation (since immigration) and age, but, surprisingly, not with ethnic orientation, sex or language. Age and generation are partly collinear in our sample, and models with generation fit better than those with age. We also find that articulation rate does not predict performance on sociolinguistic variables (voice onset time for stops, subject pronoun presence) in heritage varieties. Originality: This study compares two ways of calculating articulation rate automatically, examining whether speech rate is a viable stand-in for proficiency when social factors and proficiency vary independently. We resolve several obstacles to using articulation rate as a stand-in for more labor-intensive proficiency measures in spontaneous speech data. Implications: These findings suggest that speech rate is a valid proxy for heritage language proficiency. The factor with the strongest effect is generation since immigration (indicating the dominant language in the speaker’s childhood community). The effects of the social factors are complex but must be considered in order to interpret the proficiency measure accurately.
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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».