"I mean <i>ship</i> not <i>sheep</i> ": Intelligibility-based phonetic adaptation in native-nonnative conversation
Notice bibliographique
Résumé
During native-nonnative interactions, speakers often need to adjust their speech to promote understanding. This study investigates how native and nonnative speakers adapt their speech during real-time conversation to resolve miscommunications stemming from phonemic confusions between English tense- and lax-vowel words (e.g., sheep versus ship). Native English-nonnative (Japanese or Mandarin) speaker dyads completed an unscripted, computer game-based task designed to create intelligibility challenges involving vowel tensity contrasts absent in Japanese and Mandarin. Acoustic analyses (F1, F2, duration) tracked vowel production changes throughout the interaction. Results reveal mutual phonetic adaptation, with both native and nonnative interlocutors enhancing vowel contrasts by shifting their L1-based cue-weighting strategies (spectral versus temporal) to better align with their partner’s patterns. However, in a post-conversation word-reading task, speakers reverted to their original productions, suggesting that adaptations were driven by immediate communicative needs. Additional analyses examine how dyads resolved miscommunications tied to each target word, further establishing the intelligibility-driven nature of these adaptations. Findings underscore a dynamic, collaborative, and goal-oriented process of phonetic adaptation in cross-linguistic interaction, where both native and nonnative speakers strategically modify their speech to improve shared intelligibility.
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 | 0,004 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| 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 ».