Stuck in a metaphor: English and Turkish speakers’ cross-modal associations for pitch
Notice bibliographique
Résumé
We aimed to test predictions from the Hierarchical Mental Metaphors Theory (HMMT; Casasanto, 2016; Casasanto & Bottini, 2014), with regard to pitch metaphors among English and Turkish speakers. Languages differ in metaphors to refer to pitch (e.g., in English “high” and “low” refer to both spatial concepts and pitch). According to HMMT, adults have access to cross-modal mappings that were available in infancy; language use increases the activation of the mapping underlying the pitch metaphor in their language. In the present studies, adults were asked to indicate whether a tone (high/low) went with various visual stimuli (e.g., high/low, thin/thick, pointy/round). In Study 1, the results did not support the prediction that English speakers would have greater activation of the pitch-height metaphor in their language than metaphors that cross-modal mappings not in their language. In Study 2, English speakers could learn incongruent pitch-thickness mapping easily yet found it hard to learn incongruent pitch-height mapping. With speakers of Turkish, a language that associates pitch with thickness, Study 3 replicated that it is hard to learn incongruent pitch-spatial metaphor mapping. Further, contrary to earlier studies suggesting that language affects pitch-height mapping more strongly than pitch-thickness mapping, Turkish speakers in the current study effectively learned pitch-height mapping. These results suggest that the habitual use of pitch metaphors in a language affects the conceptualization of pitch, particularly when switching from the pitch-spatial metaphor mapping encoded in one's native language rather than learning a new pitch-spatial metaphor mapping.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».