Phoneme and Stress Programming Interact During Nonword Repetition Learning
Notice bibliographique
Résumé
Purpose Lexical stress and phoneme processes converge during phonological encoding, but the nature of the convergence has been debated. Stress patterns and phonemes may be integrated automatically and rigidly, resulting in a unified representation. Alternatively, stress and phoneme may be processed interactively based on sublexical contexts. The purpose of this study was to evaluate the extent to which the lexical stress and phoneme processing interact in a novel nonword learning paradigm. Method Twenty-seven adults with typical speech skills were trained to produce nonwords with specific phonemes, syllables, and stress patterns (Set 1) to an accuracy criterion. Then, participants repeated nonwords that varied from Set 1 in syllable position (Set 2), phoneme sequence (Set 3), included new phonemes (Set 4), or had new phonemes and stress patterns (Set 5). Nonword productions were perceptually analyzed, and phoneme and stress errors were counted. Results Participants' produced Set 1 nonwords with few phonemic or stress errors after training; a similar number of both types of errors were produced when comparing Sets 2 and 3. Greater phoneme and stress errors were produced on nonwords from Sets 4 and 5 compared to Sets 1-3. The highest number of phonemic errors occurred in Set 4 nonwords. There was no difference in the number of stress errors produced on nonwords in Sets 4 and 5. Conclusion The results of this study suggested that lexical stress and phoneme processing co-occurred and interacted during nonword productions. Trained stress patterns were learned during training; however, no evidence for a unified representation was observed. Negative interference was observed in nonwords with new phonemes and trained stress patterns, suggesting online phoneme processing may have dominated and interfered with the retrieval of stored metrical frames.
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 | 0,000 | 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 | 0,001 |
| 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 ».