Sorry, you make less sense to me: The effect of non-native speaker status on metaphor processing
Notice bibliographique
Résumé
Preconceived assumptions about the speaker have been shown to strongly and automatically influence speech interpretation. This study contributes to previous research by investigating the impact of non-nativeness on perceived metaphor sensibility. To eliminate the effects of speech disfluency, we used exclusively written sentences but introduced their "authors" as having a strong native or non-native accent through a written vignette. The author's language proficiency was never mentioned. Metaphorical sentences featured familiar ("The pictures streamed through her head") and unfamiliar ("The textbooks snored on the desk") verbal metaphors and closely matched literal expressions from a pre-tested database. We also administered a battery of psychological tests to assess whether ratings could be predicted by individual differences. The results revealed that all sentences attributed to the non-native speaker were perceived as less sensical. Incorporating the identity of the non-native speaker also took more effort, as indicated by longer processing and evaluation times. Additionally, while a general bias against non-native speakers emerged even without oral speech, person-based factors played a significant role. Lower ratings of non-native compared to native speakers were largely driven by individuals from less linguistically diverse backgrounds and those with less cognitive reflection. Extraversion and political ideology also modulated ratings in a unique way. The study highlights the impact of preconceived notions about the speaker on sentence processing and the importance of taking interpersonal variation into account.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».