The use of disfluency cues in spoken language processing: Insights from aging.
Notice bibliographique
Résumé
Past research suggests listeners treat disfluencies as informative cues during spoken language processing. For example, studies have shown that child and younger adult listeners use filled pauses to rapidly anticipate discourse-new objects. The present study explores whether older adults show a similar pattern, or if this ability is reduced in light of age-related declines in language and cognitive abilities. The study also examines whether the processing of disfluencies differs depending on the talker's age. Stereotyped ideas about older adults' speech could lead listeners to treat disfluencies as uninformative, similar to the way in which listeners react to disfluencies produced by non-native speakers or individuals with a cognitive disorder. Experiment 1 used eye tracking to capture younger and older listeners' real-time reactions to filled pauses produced by younger and older talkers. On critical trials, participants followed fluent or disfluent instructions referring to either discourse-given or discourse-new objects. Younger and older listeners treated filled pauses produced by both younger and older talkers as cues for reference to discourse-new objects despite holding stereotypes regarding older adults' speech. Experiment 2 further explored listeners' biased judgments of talkers' fluency, using auditory materials from Experiment 1. Speech produced by an older talker was rated as more disfluent and slower than a younger talker even though these features were matched across recordings. Together, the findings demonstrate (a) older listeners' effective use of disfluency cues in real-time processing and (b) that listeners treat both older and younger talkers' disfluencies as informative despite biased perceptions regarding older talkers' speech. (PsycInfo Database Record (c) 2021 APA, all rights reserved).
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».