MétaCan
Menu
Retour à la cohorte
Enregistrement W4413389294 · doi:10.1016/j.brainres.2025.149897

The influence of speaker accent on the neurocognitive processing of politeness

2025· article· en· W4413389294 sur OpenAlexafffund
Peter C H Lam, Haining Cui, Marc D. Pell

Notice bibliographique

RevueBrain Research · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueLanguage, Metaphor, and Cognition
Établissements canadiensMcGill University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésStress (linguistics)PolitenessNeurocognitivePsychologyLinguisticsSpeech recognitionComputer scienceCognitionNeuroscience

Résumé

récupéré en direct d'OpenAlex

Does speaking with a foreign accent alter how listeners respond to verbal requests? Cooperative outcomes depend on multiple social factors, such as the politeness of the speaker who makes a request (e.g., their tone of voice). However, little is known about how indexical features derived from the speaker's voice influence neurocognitive operations during politeness communication. In an event-related potential (ERP) study, 31 participants listened to requests ("Please lend me a nickel") that varied in prosodic politeness (polite/rude), imposition level (low/high cost to perform an action), and accent (native/foreign English speaker). In separate rating tasks, participants made a social inference (speaker friendliness) or pragmatic inference (likelihood of request compliance) about each request based on available speech cues. ERPs time-locked to request onset revealed an interaction of speaker accent and prosodic (im)politeness on the P200 component (180-260 ms) and the subsequent late positivity (450-700 ms). Findings pointed to rapid perceptual differentiation of the speaker's linguistic status and stance (P200), after which listeners attended more deeply to attitudinal cues expressed by native ingroup speakers. ERPs evoked by the sentence-final imposition word showed that speaker characteristics influenced how the "cost" of requests was later evaluated, hampering N400 semantic operations (300-500 ms) when speakers acted rudely or had a foreign accent-conditions less frequently associated with cooperative interactions. Selective uptake of particular social cues relevant for drawing social versus pragmatic inferences about requests was also noted. Our data identify a time course and brain mechanisms that integrate speaker and message during politeness communication.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,076
Tête enseignante GPT0,439
Écart entre enseignants0,363 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBrain ResearchMême sujetLanguage, Metaphor, and CognitionTravaux en français237 207