perception and comprehension of L2 English sentence types
Notice bibliographique
Résumé
L2 prosody is particularly difficult to acquire, because it requires an understanding of intonation, syntax, and pragmatics. For example, to acquire English sentence types, speakers must learn that statements (Ss) and absolute yes/no questions (AQs) are syntactically and prosodically marked, whereas the difference between Ss and declarative questions (DQs) is purely prosodic. Moreover, DQs can only occur in restricted contexts, such as to express surprise. In this paper, we examine the L2 perception and comprehension of English sentence types, by speakers of three typologically distinct L1s (Spanish, Mandarin, Inuktitut), with the goal of investigating the role of crosslinguistic influence (CLI). Spanish uses only intonation (a higher initial pitch accent and final rising boundary tone) to distinguish Ss from AQs and DQs, whereas in Mandarin, questions (AQs and DQs) can be syntactically identical to statements or marked by the lexical particle –ma. Mandarin also has a prosodic distinction between broad focus and echo questions (which are similar to English AQs and DQs). In contrast, Inuktitut has a very restricted use of pitch, and primarily marks questions morphologically. Learners of each L1 and English controls performed three tasks that varied in the amount of contextual and linguistic information available. Our results revealed evidence of both positive and negative CLI. Inuktitut and Mandarin speakers demonstrated some tendencies to focus more on syntax than intonation. Moreover, the Mandarin speakers were the most successful at acquiring the pragmatic distinction between AQs and DQs, which we argue is due to a similar contrast in Mandarin.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».