Can co-speech hand gestures facilitate learning of non-native tones?
Notice bibliographique
Résumé
Speech perception research has indicated that information from multiple input modalities (e.g., auditory, visual) facilitates second language (L2) speech learning. However, co-speech gestural information has shown mixed results. While L2 learners may benefit from this additional channel of information, it may also be inhibitory as learners may experience excessive cognitive load. This study examines the role of metaphoric hand gestures in L2 lexical tone learning using previously established laboratory training procedures. Training stimuli include Mandarin tones produced by native Mandarin speakers, with concurrent hand gestures mimicking pitch contours in space. Native Canadian English speakers are trained to perceive tones presented in one of three modalities: audio-visual (AV, speaker voice and face), audio-gesture (AG, speaker voice and hand gestures) and audio-visual-gesture (AVG). The effects of training are assessed by comparing the pre-training and post-training tone identification results. Greater improvements for the AVG compared to AV group would indicate the facilitative role of gestures. However, greater improvements for the AG or AV compared to AVG group would support the cognitive overload account. Findings are discussed in terms of how sensory-motor and cognitive domains cooperate functionally in speech perception and learning. [Equal contributions by KE, BH, and YW; Work supported by SSHRC]
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 | 0,001 | 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 | 0,000 |
| 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 ».