Attentional influences on cue weighting in vowel perception: Examining prosodic prominence and informational masking
Notice bibliographique
Résumé
Beyond sources of listener-external variability such as variation in talker and acoustic context, listener-internal variation also plays a role in speech perception and cue weighting. The present study examines the effects of prosodic prominence, signaled by F0, and multi-talker babble noise as methods of boosting and decrementing listeners' attention, respectively. Listeners categorized four English vowel contrasts, including two high vowel contrasts and two non-high vowel contrasts, with both formant cues and vowel duration varying along a continuum. In Experiment 1, results showed that prominence boosted formant cue usage, whereas babble noise was detrimental to formant cue usage, aligning with predicted roles in modulating listener attention. Listeners' use of vowel duration, a secondary cue to the contrasts, was also impacted by prominence or babble noise. In Experiment 2, two methods of eliciting F0-based prominence, off-target (contextual) and on-target (target-internal), were investigated. Results showed that off-target prominence showed a very limited effect in boosting formant cue usage. Results are discussed in terms of the role of prosodic prominence in speech perception, and the role of attention in perceptual processing. The data and code for the experiments is available on the OSF at: https://osf.io/52khc/ .
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 | 0,003 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».