Lexical encoding of second language tones in English learners of Mandarin
Notice bibliographique
Résumé
The study investigates how native and non-native differences in tone perception influence lexical encoding of second language (L2) tones. Previous work shows that tone language listeners perceived tones as phonemic categories while non-tone language listeners relied more on psychoacoustic cues such as pitch height to discriminate stimulus tones. However, little is known about the influence of such differences in perception on L2 tonal encoding. In the present study, two experiments were conducted with nineteen English learners of Mandarin and 20 Mandarin native speakers. Experiment 1 was an ABX task. Results showed that while native speakers’ overall performance was superior to L2 listeners’, both groups poorly discriminated tone pairs with shared tone contours (i.e., T2-T3). Experiment 2 was a medium-lag repetition priming task. In the repetition condition, significant facilitations were observed in both language groups. In the minimal-tone-pair condition, despite T2-T3 contrasts posing greater challenge for both groups to accurately distinguish than other tonal contrasts as shown in Experiment 1, positive priming was observed only in the L2 group. The findings from the two experiments suggest that the L2 listeners, although quite proficient in Mandarin, have yet to achieve native-like competence in regard to lexical tones.
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 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».