Effect of experience on tongue shape complexity in whistlers: An ultrasound study
Notice bibliographique
Résumé
Complex lingual tasks such as producing North American /ɹ/ require the tongue to assume a relatively high degree of shape complexity [Gick etal., 2007, POMA, 1(1)]. Similarly, whistling has been described as engaging multiple movement components [Belyk et al., 2019, Proc. Royal Soc. B: Biol. Sci. 286(1911)]. Further, a previous ultrasound study identified that whistlers with wider pitch ranges (∼2 octaves) demonstrate tongue shapes that exhibit more diverse tongue shapes than whistlers with narrower ranges (∼1 octave) [Lisiecki et al., 2024, Can. Acoust. 52]. To better understand this human sound production mechanism, the present study tests the hypothesis that greater tongue shape complexity relates to greater whistling experience. This research compares a group of whistlers, predicting a bimodal distribution of pitch ranges, with narrower ranges showing simpler tongue shapes and wider ones demonstrating more complex tongue shapes; we predict that this pattern corresponds with differences in self-reported whistling experience. Participants engaged in whistling tasks (siren and scale), as well as speech tasks for comparison. Ultrasound imaging data is presented based on acoustic and articulatory analyses. Preliminary results support a relationship between whistling experience and pitch ranges with greater precision and complex tongue shapes. [Work supported by NSERC.]
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».