ACOUSTIC ANALYSIS OF VOWEL VARIATION IN PAKISTANI ENGLISH: 13 VARIETIES 13 CITIES
Notice bibliographique
Résumé
This study examines regional variation in the vowel system of Pakistani English across thirteen cities (Islamabad, Peshawar, Khuzdar etc.), representing speakers from thirteen linguistic backgrounds (Urdu, Punjabi, Sindhi, Pashto, etc.). The analysis focused on 15 vowels (12 monophthongs, 1 rhotic and 2 diphthongs), representing the core vowel inventory of Pakistani English. Speech data were automatically aligned using the Montreal Forced Aligner (MFA) (McAuliffe et al., 2017) and formant values were extracted with Praat (Boersma & Weenink, 2023). Acoustic analyses of F1, F2, and vowel duration, conducted through two-way ANOVA and Tukey HSD tests, revealed systematic regional patterns: Lahore and Islamabad speakers show fronting and vowel lengthening, Karachi speakers produce shorter and more backed vowels, and Peshawar speakers realize more open vowels with higher F1 values. Interpreted through feature geometry theory (Clements, 1985; Sagey, 1986), these patterns reflect regional re-weightings of [high], [low], [back], and [round] features, while duration differences are linked to prosodic timing and length of a vowel. The findings confirm that Pakistani English comprises distinct regional sub-varieties shaped by substrate languages and sociolinguistic factors, contributing to both the phonetic documentation of World Englishes and the pedagogical recognition of local variation in English teaching.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| 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 ».