Perceptual effects of lexical competition on Cantonese tone categories
Notice bibliographique
Résumé
Listeners use lexical information and the speech signal to categorize sounds and recognize words despite substantial acoustic-phonetic variation in natural speech. In diachronic mergers, where systematic variation acts to neutralize lexical contrasts, the role of the lexicon becomes less clear. We examined how lexical competition structures phonetic variability of (merging) lexical tone categories in Cantonese using three experiments. Listeners categorized tokens from lexical tone continua generated from minimal pairs (Experiment 1: Word identification) and categorized tokens from tone continua generated from word-nonword pairs (Experiment 2: Lexical decision). The presence of a lexical competitor at both continuum endpoints in Experiment 1 maintained more discrete categorization functions for non-merging tone pairs than in Experiment 2 where only one endpoint was a word. In the merging tone pairs, categorization was less discrete and the effect of lexical competition was different. Exploratory data from a goodness rating task, Experiment 3, suggest that lexical competition affects internal category structure for merging tones, but not non-merging tones. Overall, these data provide evidence that tone mergers affect phonetic category boundaries and internal category structure in the lexicon, and that, for non-merging tones, the range of acceptable phonetic variation is constrained by the presence of a lexical competitor.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».