An examination of prosody and second language sentence processing through pause insertion
Notice bibliographique
Résumé
Objectives: Research on second language (L2) sentence comprehension often has examined reliance on semantic and syntactic information but has left aside for the most part the role of prosodic cues. In the present study, we compare less- and more-proficient L2 learners’ integration of prosody and syntax structure during auditory L2 sentence comprehension. Design: Two group Chinese learners of L2 English learners (A2 and C1 levels) participated in an auditory comprehension task, which included sentences that had artificial pauses inserted either between or within syntactic boundaries. After hearing each sentence, learners were asked to judge the translation as ‘identical’ or ‘not identical’ on the keyboard. Data Analysis: We conducted t-tests and an analysis of variance to examine prosodic effects among the two learner groups. Findings: The results showed that both A2 and C1 learners were sensitive to pauses. However, the direction and magnitude of this sensitivity was significantly different for the two groups. A2 learners were faster to respond to auditory sentences in which a brief pause was placed within syntactic phrases. Contrarily, C1 learners responded faster when the brief pause was placed between syntactic phrases. Originality: Unique to the present study is the inclusion of the pause-insertion paradigm to examine the role of prosody in L2 auditory sentence processing. Implications: The results imply that the two groups of learners do not rely on prosodic and syntactic cues in the same manner when processing L2 sentences. We argue that the processing mechanisms involved in L2 sentence comprehension evolve hand-in-hand with L2 proficiency development. We discuss the implications of these findings for future research.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».