MétaCan
Menu
Retour à la cohorte
Enregistrement W4405011544 · doi:10.1017/s1366728924000944

Navigating the bilingual cocktail party: a critical role for listeners’ L1 in the linguistic aspect of informational masking

2024· article· en· W4405011544 sur OpenAlexafffund
Emilia Colasante Lew, Sophie Hallot, Krista Byers‐Heinlein, Mickael L. D. Deroche

Notice bibliographique

RevueBilingualism Language and Cognition · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueMultisensory perception and integration
Établissements canadiensMcGill University Health CentreConcordia UniversityCentre for Research on Brain Language and Music
Organismes subventionnairesCentre for Research on Brain, Language and Music
Mots-clésPsychologyMasking (illustration)LinguisticsArt

Résumé

récupéré en direct d'OpenAlex

Abstract Cocktail party environments require listeners to tune in to a target voice while ignoring surrounding speakers. This presents unique challenges for bilingual listeners who have familiarity with several languages. Our study recruited English-French bilinguals to listen to a male target speaking French or English, masked by two female voices speaking French, English or Tamil, or by speech-shaped noise, in a fully factorial design. Listeners struggled most with L1 maskers and least with foreign maskers. Critically, this finding held regardless of the target language (L1 or L2) challenging theories about the linguistic component of informational masking, which contrary to our results predicts stronger interference with greater target-to-masker similarity such as L2 vs L2 compared to L2 vs L1. Our findings suggest that the listener’s familiarity with the masker language is an important source of informational masking in multilingual environments.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,175
Score d'incertitude au seuil0,316

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,404
Écart entre enseignants0,361 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBilingualism Language and CognitionMême sujetMultisensory perception and integrationTravaux en français237 207