MétaCan
Menu
Retour à la cohorte
Enregistrement W4298210853 · doi:10.1558/jmbs.20388

Redeploying appendices in L2 phonology

2022· article· en· W4298210853 sur OpenAlexaff
John Archibald, Marziyeh Yousef, Amjad Alhemaid

Notice bibliographique

RevueJournal of Monolingual and Bilingual Speech · 2022
Typearticle
Langueen
DomainePsychology
ThématiquePhonetics and Phonology Research
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésPerceptionPhonologyLinguisticsObstruentSyllabic verseLicensePersianPsychologyConsonantVowelComputer sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

In this paper, we explore aspects of the production and perception of certain consonant clusters (in particular s + C clusters) in second language learners. We administered perception tasks (ABX and non-word transcription) and production tasks (reading, picture-based discussion, and elicited imitation) to native speakers of Persian and Arabic, and compare their results to those in previously published studies of other L1s. We will arrive at two broad conclusions. The first is that many subjects who demonstrate non-targetlike production of consonantal sequences by producing epenthetic vowels between the consonants are not hearing an illusory vowel in perception tasks. Thus, non-nativelike production is not always reflective of non-nativelike perception; non-nativelike production is not always caused by non-nativelike perception. Our second conclusion is that the locus of explanation for the accurate perception in subjects whose L1s lack s + C clusters is the presence or absence in the L1 of right-edge syllabic appendices. L1s which do not license appendices (Japanese, Brazilian Portuguese) will have difficulty perceiving L2 English s + C sequences, while L1s which do license appendices (Persian, Arabic) will not have difficulty perceiving L2 English s + C strings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,345
Écart entre enseignants0,316 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Monolingual and Bilingual SpeechMême sujetPhonetics and Phonology ResearchTravaux en français237 207