Effects of L1 Inventory Size and L2 Experience on L2 Speech Perception: Evidence From Canadian English and Mandarin Learners of Korean
Notice bibliographique
Résumé
ABSTRACT This article examines the effects of native language (L1) phoneme inventory size and second language (L2) learning experience on adult learners’ perception of L2 sounds. Perception experiments compared the Korean vowel and coda identification accuracy of 28 English- and 28 Mandarin-speaking learners differing in their amount of university-level Korean language experience. The results showed that the English-speaking learners, whose L1 has a rich vowel and coda inventory, were better at identifying both Korean vowels and coda consonants compared to the Mandarin-speaking learners, who have a relatively small L1 vowel and coda inventory. These findings suggest that learners with a larger phoneme inventory have an advantage in the perception of L2 segments. In the case of L2 experience, results from segment identification tasks were less conclusive. Learners who had more L2 experience (i.e., more experience with the Korean language at a university level) performed better only in the vowel identification task compared to learners with less L2 experience. Results also showed no significant difference between more experienced versus less experienced learners in the case of coda identification. These outcomes indicate that learners’ L2 identification accuracy is influenced by the amount of their L2 experience but the presence and degree of this effect can differ depending on the type of L2 segment regardless of L1.
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 | 0,003 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».