Notice bibliographique
Résumé
Archibald's article makes a strong case for abstract symbolic representations in the phonological grammars of second language learners/users (L2ers). The evidence he brings to bear on this comes principally from the prosodic domain. However, the case for abstractness is hardest to defend in the segmental domain, specifically when it comes to motivating a role for features. The goal of this commentary is to show that L2 speech perception is mediated, in part, by features and thereby provide support for Archibald's claim. Two speech perception studies are discussed. The first study shows that the status of the feature [nasal] in vowels in the first language (L1) grammar, as contrastive (French) or allophonic (English), impacts naive perception of novel nasal vowels. French listeners successfully perceive the novel vowels; English listeners' success is hindered by the phonological status of [nasal] in the L1 grammar. The results are proposed to support a role for abstract phonological representations: for features; for the conditions under which they must be shared across segments; and for a theory of licensing that can capture the licensing potential of different prosodic positions. The second study shows that the absence of the feature [SG] from the L1 grammar of French negatively impacts the ability to perceive and build an appropriate representation for English /h/. The lack of [SG] is proposed to account for three types of behaviour displayed by L2ers: their failure to perceive [h] as distinct from Ø; their VOT values for 'voiced' and 'voiceless' stops which fall between those of L1 French and those of target L2 English; and their overapplication of aspiration to stops in sC clusters. It is shown that these patterns cohere under a phonological account, as features have a classificatory function and are thereby expected to shape phonological behaviour across multiple groups of segments.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».