Sign Language Handshapes, Similarly to Speech Sounds, Exploit Biomechanical Endpoints
Notice bibliographique
Résumé
Keywords: sign language, articulation, biomechanicsSpeech motor control approaches have argued that the dimensionality problem can be handled by exploiting endpoints, a type of biomechanical quantal region (Moisik & Gick, 2017, Gick et al. 2020), where a stable output can be obtained regardless of the starting position or variable muscle activation of the articulators (Moisik & Gick, 2013). Endpoints involve a contact between two articulators or an active articulator and a passive articulator. One advantage endpoints offer is in preventing overshoot. In spoken languages, endpoints are maximally exploited in plosive sounds, the most frequent type of consonants occurring in all known spoken languages (Maddieson, 1984: 25). In signed languages, endpoints are exploited in signs where two hands make contact with each other, or where a hand(s) makes contact with the signer’s body (Tkachman, 2022). For example, in signs produced with body contact, variable arm muscle activation does not lead to variable place of articulation (Goyal, Venkata, Tkachman & Gick, 2019). In this study, we extend research on sign-language endpoints by investigating handshape-internal endpoints, which is a state of a finger/joint where it is maximally extended or flexed or where the fingers and/or thumb make a contact with each other and/or the palm. We annotated handshape inventories from five genetically distinct sign languages to determine the extent to which phonemic handshapes in the inventory exploit handshape-internal endpoints. These results support the view that the biomechanical quantal regions previously observed for speech are general to communicative control systems.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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 ».