Accentedness in English is connected to inter-word (co)articulation and speech rate, a pilot study
Notice bibliographique
Résumé
Previous studies have shown that consonantal errors and difficulties in coarticulation may decrease English language learners’ (ELL) speech intelligibility. The current pilot study investigates connections between inter-word (co)articulation, perceived accentedness, and speech rate. Participants were six adults (2 men) and one native speaker, with L1 of Mandarin (n = 4), Thai (n = 1), and Finnish (n = 1). Methods: The dataset contained 21 repeating (4x) short sentences and two reading passages with all English phonemes. Inter-word consonantal errors, speech rate (compared to the model), and accentedness (2 judges) were compared statistically (Spearman) and qualitatively. Results revealed that accentedness correlated strongly with the number of errors (r = 0.95, p > 0.001) and speech fluency (r = 0.92, p > 0.01). Qualitatively, the error types that increased with accentedness, were word-final consonant omission, voicing, consonant substitutions, and assimilations. In addition, all the ELL speakers showed variability in consonant coarticulation in repeating sentences, unlike the native speaker. The variability increased with accentedness up to 1/3rd of the sentences pronounced with varying inter-word errors. Discussion: The results of this pilot study align with earlier findings on the importance of consonants and coarticulation in ELL speech production. In addition, speech rate and variability in pronunciation may be connected to perceived accentedness.
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 | 0,006 |
| 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 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».