Quantifying vowel category distinctness using Bayesian modelling
Notice bibliographique
Résumé
Phonetic and sociolinguistic studies of vowel merger require a measure of acoustic distinctness between vowel categories. Three desiderata for such a metric are that it be multivariate, in the sense that it account for correlations between dimensions (e.g., F1 and F2), control for other factors affecting vowel formants (e.g. surrounding consonants), and work for unbalanced data (common in naturalistic data). Previous work (Nycz and Hall-Lew, 2013; Kelley & Tucker, 2020) has considered a variety of measures, including variants of Euclidean distance, Pillai score, and Bhattacharyya affinity, but none meet all three criteria. We present a new method for quantifying vowel merger that meets all desiderata and can be applied to different metrics: we fit a Bayesian mixed-effects linear model to jointly predict F1 and F2, then compute any desired metric—here, Euclidean distance, Pillai score, and Bhattacharyya affinity—from the posterior. We evaluate each metric, and the overall method, to describe PIN-PEN across a range of English dialect corpora. We find that controlling for covariates and unbalanced data adds substantial signal, but that multivariate modelling does not perform substantially better than univariate modelling. Additionally, we argue that Bhattacharyya affinity has particularly desirable properties (e.g., allowing for heteroskedastic data: Johnson, 2015).
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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».