Perceptual Benefits of Linguistic Diversity and Language Background: Evidence from Auditory Free Classification of English Dialect Accents and Asian-Accented English
Notice bibliographique
Résumé
Non-linguistic factors leave a distinct thumbprint on our speech production that is perceptible to listeners. A steadily growing line of research demonstrates that listeners can perceive a contrast between native and non-native (L2) speakers based on accents and further classify these speakers according to dialectal variation, even when they are not native speakers of a language. Most of these studies have focused on dialectal variation within US English speakers, a combination of US and International English dialects, or L2 speakers representing a wide range of languages. Most have also featured listeners who are monolingual native speakers of the target language coming from a homogenous background, or a contrast between these and a targeted set of L2 speakers. We therefore lack knowledge of how exposure to, or familiarity with, diverse accents and languages, or specific native language competence of the native language of L2 speakers, can guide listeners’ accent perception and categorization. In this research, we employed a free classification task, presenting listeners with speech samples of native speakers with accents representing multiple English dialects, and L2 speakers of nine Asian languages across three geographic regions speaking Asian-accented English. There were six groups of listeners: monolingual US English listeners in a diverse linguistic context, monolingual US English listeners in a homogeneous linguistic context, native speakers of a non-Asian language and English (bilinguals), and native speakers of each of the three target Asian language groups who are L2 speakers of English. The results reveal that nearly all listeners are sensitive to accents capturing native/L2 contrasts and dialectal variation in English. While regular exposure to a diversity of accents results in increased classification accuracy, classification of Asian L2-accented English speakers is best performed when there is alignment of similar language family and geographic area, as demonstrated by South Asian listeners.
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 | 0,035 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».