Reply to: Not just the alveolar trill, but all “r-like” sounds are associated with roughness across languages, pointing to a more general link between sound and touch
Notice bibliographique
Résumé
In Winter et al. 1 , we reported evidence for a cross-modal iconic association between the trilled r sound and the sensory dimension of roughness in spoken vocabularies. One of our studies showed that the word ‘rough’ is more likely to contain an r than the word ‘smooth’ across 332 languages, but only when the language has a trilled r . Anselme, Pellegrino & Dediu 2 (APD) present a reanalysis of our data based on a more rigorous coding of trilled versus non-trilled r . They confirm the link between trilled r and roughness but find an equally strong effect for languages with a non-trilled r , suggesting that the unique properties of trills ‘cannot be the main cause to this tactile-sound association.’ We question this conclusion. In making our case, we point out an important methodological dilemma: while pre-existing cross-linguistic data sets are often noisy, using manual coding to reduce this noise may introduce biases that distort the results. Indeed, a simulation shows that the effect size for languages with non-trilled r in APD’s analysis is larger than expected under an unbiased approach to recoding. While APD convincingly demonstrate the existence of an effect for non-trilled r , it is not clear that the effect is as strong as that for trilled r . It remains possible that trills play a distinctive role in carrying an iconic association with roughness across vocabularies.
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 | 0,005 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,002 | 0,006 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,029 | 0,041 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,011 |
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 ».