Reimagining Accents and Speech Recognition with Sociolinguistic Perception Studies and Research on Listening Subjects
Notice bibliographique
Résumé
This commentary unpacks how insights from studies of sociolinguistic perception and research on listening subjects may offer compelling ways to recognise the humanity and multiplicity of each voice, disclosing that perception is something listeners do.Below, I think with selected projects from the two strands of research to advance discussions on accent bias in technology, showing how listening is formed through practices operating within particular cultures of reception, where 'even the most silent of listeners is an author of an emergent narrative' (Ochs and Capps 1996: 21).I argue that the two strands enable us to reimagine all accents as loci 'of the experience and knowledge production of the modern' (Inoue 2003: 158), operating through particular practices of citation transcending 'observable and [. . .] recordable "realities"' (Inoue 2003: 182).This in turn enables more voices 'to be justly recognized' (Eidsheim 2023: 143), moving beyond only listening from positions of power to a better understanding of how affordances and infrastructures amplify, mishear or silence particular human soundings.This commentary is part of a Cross-Journal Symposium on Listening Practices and Linguistic Perception in which early career scholars engage with Inoue (2003) and six additional articles published in the
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 | 0,018 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,006 | 0,063 |
| Communication savante | 0,013 | 0,019 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,006 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».