Do individual differences correlate across speech perception tasks?
Notice bibliographique
Résumé
Speech perception requires listeners to take into account acoustic cues as well as lexical context and phonetic (coarticulatory) context. Individuals have been shown to vary in how they integrate these factors. To better understand the sources of these differences, we conducted three phoneme categorization tasks on speech continua with 82 native Canadian English speakers. Task 1 (lexical + coartic) embedded a /s-ʃ/ continuum in lexically biasing contexts (e.g., a(s)ume, a(ʃ)ure) followed by different coarticulatory contexts (rounded or unrounded vowels). Task 2 (lexical) had only lexical context cues for /ɛ/-/ɪ/ vowel continua (e.g., v(ɛ)st, k(ɪ)t). In task 3 (coartic), a /d/-/g/ stop continuum in nonsense syllables followed different coarticulatory contexts (/ar/ or /al/). We found those who used lexical context more used coarticulatory context less in task 1, consistent with prior research. However, this correlation disappears when examined across tasks 2 and 3. We also found no correlation between individual use of lexical and coarticulatory context across tasks, suggesting task dependency. Participants’ use of acoustic continua was positively correlated across tasks, indicating an individual trait for utilizing acoustic cues.
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».