Phonetic adaptation in conversation: The case of Cantonese tone merging
Notice bibliographique
Résumé
Phonetic adaptation occurs when one interlocutor adjusts their speech to converge to or diverge from that of their conversation partner to enhance intelligibility. While most research investigates segmental adaptations, our study focuses on suprasegmentals, specifically Cantonese tone merging. Some Cantonese speakers (“mergers”) are found to merge certain lexical tones (e.g., mid-level Tone3 and low-level Tone6), which may cause confusions when interacting with non-merger speakers. Previous research has shown that a merger may unmerge a level tone pair (Tone3/Tone6) when shadowing a non-merger. However, still unclear is whether such changes result from automatic acoustic mimicking or reflect goal-oriented adaptations for intelligibility benefits. This study uses an unscripted conversation task involving a merger and a non-merger playing a video game, where productions of merged tones may cause confusions, thus motivating goal-oriented adaptations. Initial acoustic analyses focus on average F0 and F0 taken at 10 points along the contour in target Tone3 and Tone6 productions by mergers. Differences in these values for Tone3 versus Tone6 provide evidence that a merger is unmerging the tone pair. Preliminary results show increasing unmerging trends as the task progresses, suggesting progressive alignment toward a non-merger’s productions for intelligibility gains.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».