The effects of speaker familiarity on neural correlates of early lexical-semantic processing : A developmental investigation across diverse language backgrounds
Notice bibliographique
Résumé
Les effets de la familiarité d'un locuteur sur les corrélats neuronaux du traitement lexico-sémantique : une étude développementale dans divers environnements linguistiques Les études sur le développement du langage ont démontré un réseau lexico-sémantique robuste chez les monolingues vers 24 mois et chez les bilingues vers 30 mois. Les voix familières, notamment celle de la mère, peuvent faciliter le traitement du langage chez les nourrissons. Cependant, peu d'études s'intéressent au traitement lexico-sémantique d'une voix familière non maternelle. Les capacités de perception vocale varient selon l’expérience linguistique, soulignant aussi l’importance d’étudier différents groupes dans l’analyse des effets de familiarité de la voix. Nous avons étudié le N400, un potentiel évoqué lié au traitement lexico-sémantique, pour déterminer si la familiarité d’une voix influence le traitement auditif des mots. Utilisant un paradigme d'amorçage sémantique, nous avons étudié des monolingues apprenant le français (étude 1, 18 mois, N=30 ; étude 2, 14 mois, N=30) et des bilingues apprenant le français et une autre langue (étude 3, 24-30 mois, N=32). Nous avons également examiné ces effets chez des bilingues anglais-chinois (étude 4, 24-30 mois, N=18) en collaboration avec un laboratoire canadien. Nous avons émis l'hypothèse que l'effet N400 serait plus important pour les mots présentés par une voix familière, pour les enfants disposant d'un grand vocabulaire et pour la langue dominante des enfants bilingues. L'activité cérébrale des participants a été enregistrée par électroencéphalographie lors de l'écoute des stimuli dans un paradigme d’amorçage sémantique. Les données ont été récoltées à Paris à partir d'un HydroCel Geodesic Sensor Net (GSN) avec 128 électrodes, et les données collectées au Canada ont été enregistrées à partir d'un HydroCel GSN avec 64 électrodes. Afin de se familiariser avec une nouvelle voix, les participants ont écouté des enregistrements audio pendant 7 jours avant l'expérience. Lors de l'expérience, les participants entendaient 20 paires de mots, taxonomiquement liés ou non, avec une voix familière ou une nouvelle voix. Nous avons réalisé des analyses top-down (ANOVA) et bottom-up (cluster-based permutation) pour analyser les données récoltées. La fenêtre temporelle du N400 était de 300 à 700 ms, avec une fenêtre antérieure de 150 à 300 ms pour examiner les effets précoces. Les résultats ont montré de plus grands effets N400 pour la voix familière chez les enfants de 18 mois (étude 1) et pour la voix non familière chez les enfants de 14 mois (étude 2). Nous n'avons pas trouvé de N400 dans l'étude 3, ce qui indiquerait une émergence plus tardive de l'amorçage sémantique chez les bilingues. Des analyses exploratoires ont révélé un effet de congruence (associé au traitement lexical) pour la voix familière chez les bilingues apprenant des langues distantes (étude 3) et pour les monolingues de 18 mois entendant une voix non familière (étude 1). Dans l'étude 4, des effets N400 ont été observés pour la langue sociétale (c’est-à-dire l’anglais) indépendamment de la familiarité de la voix. Les analyses exploratoires ont suggéré que la familiarité de la voix augmentait les effets N400 chez les participants dominants en anglais écoutant leur langue dominante. Les effets N400 n'étaient jamais corrélés avec la taille du vocabulaire. Des effets de familiarité ont été systématiquement observés chez les monolingues à l’échelle du groupe, contrairement aux bilingues, pour lesquels ces effets n’ont émergé que dans des analyses exploratoires sur des sous-groupes. Cela suggère un rôle plus complexe de la familiarité chez les bilingues, modulé par des facteurs tels que la distance linguistique et la dominance. Ces résultats mettent en évidence les corrélats neuronaux du traitement lexico-sémantique chez de jeunes enfants issus de divers contextes linguistiques et à différents stades développementaux. Les divergences observées entre les voix familières et non familières suggèrent que la familiarité du locuteur pourrait moduler le traitement lexico-sémantique dès les premières étapes du développement.
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 | 0,002 |
| 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 | 0,000 | 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) | 0,003 | 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 ».